
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt 
import seaborn as sns


from google.colab import files
uploaded = files.upload()

Saving df_2022_part1.csv to df_2022_part1.csv
Saving df_2022_part2.csv to df_2022_part2.csv
Saving df_2022_part3.csv to df_2022_part3.csv


df_2022_part1 = df_2022_part1.rename(columns={"Quelle est votre *adresse email professionnelle* ?": "email"})


df_2022 = pd.merge(df_2022_part1, df_2022_part2, on="email", how='left')
df_2022 = pd.merge(df_2022, df_2022_part3, on="email", how="left")


df_2022.shape

(1559, 112)


df_2022 = df_2022.drop(["Token_y", "name_y",	"name_entreprise",	"nom_de_famille_y",	"Submitted At_x"], axis=1)


#Déplacement de l'ID en première colonne
first_column = df_2022.pop('Token')
df_2022.insert(0, 'Token', first_column)

df_2022.head()


# Visualise and check NaN
plt.figure(figsize=(45,10))
sns.heatmap(df_2022.isna(), cmap="Blues_r", cbar=False)
plt.show()

/usr/local/lib/python3.7/dist-packages/matplotlib/backends/backend_agg.py:214: RuntimeWarning: Glyph 127873 missing from current font.
  font.set_text(s, 0.0, flags=flags)
/usr/local/lib/python3.7/dist-packages/matplotlib/backends/backend_agg.py:183: RuntimeWarning: Glyph 127873 missing from current font.
  font.set_text(s, 0, flags=flags)


# changement de nom pour les colonnes afin que cela soit plus facile à analyser
# Pour les questions simples, je laisse la question comme nom de colonne
# Pour les questions "multiples", je renomme les questions en "question_#_identifiant"
# la numérotation se base sur le Gsheet de Vendredi 

col_name_2022 = {"Submitted At": "submitted_at",
                 "Quel est le nom de votre *entreprise* ?": "nom_entreprise",
                 "Quel est votre *rôle* chez {{field:535b54cf-1d17-4acb-b449-f4a2e0d70888}} ?": "role",
                 "Combien de *collaborateurs* travaillent chez {{field:535b54cf-1d17-4acb-b449-f4a2e0d70888}} ?": "taille_entreprise",
                 "A quel *secteur* appartient {{field:535b54cf-1d17-4acb-b449-f4a2e0d70888}} ?": "secteur",
                 "Y a-t-il *une personne ou une équipe dédiée* à la RSE chez {{field:535b54cf-1d17-4acb-b449-f4a2e0d70888}}? Si oui, combien de personnes constituent cette équipe ?": "equipe_RSE",
                 "COMEX": "question_8_COMEX",
                 "Salariés": "question_8_salaries",
                 "Middle Management": "question_8_middle_management",
                 "Achats": "question_8_achats",
                 "RH": "question_8_RH",
                 "Communication / Marketing": "question_8_com_market",
                 "Commercial": "question_8_commercial",
                 "Production ": "question_8_prod",
                 "Finance / Administration": "question_8_finance_admin",
                 "Etat et collectivités publiques": "question_10_etat_co_publiques",
                 "Consommateurs / clients": "question_10_conso_clients",
                 "Sous-traitants": "question_10_ss_traitants",
                 "Candidats (recrutement)": "question_10_candidats",
                 "Citoyens proches de vos implantations": "question_10_citoyens",
                 "Actionnaires": "question_10_actionnaires",
                 "Entreprise à mission": "question_12_entreprise_mission",
                 "B Corp": "question_12_BCorp",
                 "Label Lucie": "question_12_Lucie",
                 "1% For The Planet (ou équivalent)": "question_12_1%",
                 "Loi ESUS": "question_12_esus",
                 "Marque employeur et fidélisation des talents ": "question_13_marque_employ",
                 "Image de marque et compétitivité": "question_13_image",
                 "Réponse à l’urgence sociale et environnementale": "question_13_urgence",
                 "Investisseurs": "question_13_invest", 
                 "Volonté de la direction": "question_13_volonte",
                 "Réponse aux obligations légales": "question_13_legales",
                 "Manque de temps / dépriorisation":"question_14_temps",
                 "Manque de budget": "question_14_budget", 
                 "Manque d'équipe": "question_14_equipe",
                 "Manque de connaissance des sujets": "question_14_connaissance",
                 "Difficulté d'impliquer le middle management": "question_14_m_management",
                 "Difficulté d'impliquer la direction": "question_14_direction", 
                 "Difficulté à embarquer les équipes opérationnelles": "question_14_ope", 
                 "Difficulté à animer la démarche sur le long terme": "question_14_long_terme",
                 "Difficulté de mesurer l'impact / le ROI": "question_14_impact", 
                 "Fresque (Climat, Océan, Forêts, Numérique, Egalité…)": "question_16_fresque",
                 "Formation ou autre atelier de sensibilisation": "question_16_atelier", 
                 "Compétition, jeux, challenges (Challenges Vendredi, Ma Petite Planète, Energic, …)": "question_16_jeux",
                 "Partage de contenus (articles, podcasts, vidéos…)": "question_16_partage",
                 "Affichage dans les locaux": "question_16_affiche",
                 "{{hidden:name_entreprise}} a-t-elle déjà mis en place des *actions d’engagement solidaire *ou de *philanthropie *?": "Avez-vous déjà mis en place des *actions d’engagement solidaire *ou de *philanthropie *?",
                 "Mécénat de compétences": "question_36_mecenat",
                 "Collectes de matériel ou produits": "question_36_collects",
                 "Mentorat (jeunes, demandeurs d'emploi...)": "question_36_mentorat",
                 "Mission coup de pouce en association": "question_36_missions",
                 "Dons financiers et arrondi sur salaire": "question_36_dons",
                 "Appels à projets": "question_36_projet",
                 "Evénements caritatifs (course solidaires…)": "question_36_events",
                 "Team-building solidaires": "question_36_teamB",
                 "Aide et insertion des réfugiés": "question_37_aide",
                 "Arts, culture et patrimoine": "question_37_art",
                 "Éducation et égalité des chances": "question_37_education",
                 "Égalité des genres": "question_37_egalite",
                 "Emploi et insertion professionnelle": "question_37_emploi",
                 "Entrepreneuriat et création d'activité": "question_37_entreprenariat",
                 "Environnement et biodiversité": "question_37_environnement",
                 "Handicap": "question_37_handicap",
                 "Lien social et intergénérationnel": "question_37_lien",
                 "Lutte contre les discriminations": "question_37_lutte",
                 "Pauvreté et précarité": "question_37_pauvrete",
                 "Protection des animaux": "question_37_protection",
                 "Santé": "question_37_sante",
                 "Solidarité internationale": "question_37_solidarite",
                 "On arrive à la toute fin ! Petite question bonus 🎁\n\nQuelle est *votre plus grande fierté* en matière de RSE et d'impact chez {{hidden:name_entreprise}} ?" : "Quelle est *votre plus grande fierté* en matière de RSE et d'impact"
                 }


df_2022.rename(columns=col_name_2022, inplace=True)


# Check des valeurs maquantes
def filling_factor(df):
    missing_df = df.isnull().sum(axis=0).reset_index()
    missing_df.columns = ['column_name', 'missing_count']
    missing_df['filling_factor'] = (df.shape[0]-missing_df['missing_count'])/df.shape[0]*100
    missing_df = missing_df.sort_values('filling_factor').reset_index(drop = True)
    return missing_df

filling_factor(df_2022)


print('Initial shape', df_2022.shape)

# Filtre des tests
df_2022['submitted_at'] = pd.to_datetime(df_2022['submitted_at'], format='%d/%m/%Y %H:%M:%S')
df_2022 = df_2022.loc[(df_2022['submitted_at'] >= '2022-06-08')]
print('test filter shape', df_2022.shape)

# Drop line avec plus de 70% de valeurs manquantes
df_2022= df_2022[df_2022.isnull().mean(axis=1) < .7]
print('Line NaN filter shape', df_2022.shape)

# filtre des doublons
df_2022.sort_values(by='submitted_at', inplace=True)
df_2022.drop_duplicates('email', keep = 'last', inplace=True)
print('Duplicated filter shape', df_2022.shape)

Initial shape (1559, 96)
test filter shape (911, 96)
Line NaN filter shape (911, 96)
Duplicated filter shape (793, 96)


df_2022 = df_2022.drop(["email"], axis=1)


# Suppression valeurs abérrantes
df_2022 = df_2022[-df_2022["secteur"].isin(['JE NE TRAVAILLE PAS'])]


filling_factor(df_2022)


# Visualise and check NaN
plt.figure(figsize=(45,10))
sns.heatmap(df_2022.isna(), cmap="Blues_r", cbar=False)
plt.show()


df_2022.replace(to_replace="Je ne sais pas", 
           value=np.nan, 
           inplace=True)


#df_2022.to_csv('df_2022.csv', encoding = 'utf-8-sig') 
#files.download('df_2022.csv')


# Catégorisation des rôles
display(df_2022['role'].unique())

old_role_values = ['qualité, sécurité et RSE',
                   'RQSE',
                   "QSE",
                   "QHSE & Campus responsables",
                   "Animatrice QSE ALTERNANTE Mastère spécialisé QSE",
                   "Responsable QHSE",
                   "QHSSE",
                   "HSSE",
                   "Animatrice QHSE",
                   "Direction HSE RSE",
                   "Qhse rse",
                   "Qhse",
                   "HSE"]


new_role_value = 'QHSE'

df_2022['role_v2'] = df_2022['role'].replace(old_role_values, new_role_value)

df_2022['role_v2'] = df_2022['role_v2'].replace(["consultant", "Consultante"], "Consultant")

array(['RSE / CSR', 'Ressources humaines / Talent Acquisition',
       'Direction Générale / COMEX', 'Dirigeante Antenne', 'Création',
       'Communication / Marketing', 'Fondation', 'QHSE', 'Technicien',
       'Chef de Produit',
       'Manager Green IT en partie en charge de la RSE',
       'Opérateur de test', 'Coach agile en CDI', 'office manager',
       'FINANCE ADMINISTRATIF', 'Ventes', 'Thermicien',
       'Auto-entrepreneuse', 'Analyse financière', 'Consultant',
       "Chargé d'études", 'conformité', nan, 'Office Manager',
       'assistante commerciale', "Stagiaire au bureau d'études",
       'Consultante', 'Investissement', 'qualité, sécurité et RSE',
       'Cheffe de service', 'ACHATS', 'Commerce', 'CSE', 'Manager',
       'Personnel', "Dirigeante créatrice de l'entreprise",
       'Chargé de développement', 'Digital Transformation Manager',
       'Auto-entrepreneur', 'Office and Happiness Manager',
       'Engineering Manager',
       'consultante - fondatrice communauté climat & écologie',
       'Portfolio Management', 'QSE', 'Chargée de missions',
       'Employee Experience', 'Commerciale', "Directeur d'hôtel",
       'présidente', 'Directeur IT',
       "Apprenti Polyvalent et projet d'écolabellisation)", 'Design',
       'Sales', 'Responsable Commercial', 'Innovation project manager',
       'Program manager', 'Head of Impact', 'RQSE', 'consultant',
       'Directrice Adjointe', 'Chef de projet', 'Ingénieur',
       'Pilote RSE et Delivery Manager', 'Responsable qualité',
       'Appui et compétences (RH, SI, environnement)',
       'Consultant Sénior', 'Administration générale',
       'QHSE & Campus responsables',
       'Animatrice QSE ALTERNANTE Mastère spécialisé QSE', 'collection',
       'stagiaire', 'Key Account Manager', 'Commercial',
       'Responsable QHSE', 'QHSSE', 'Transition écologique',
       'Tourisme solidaire et philanthropique',
       'Cheffe de Projet chargée de développement et RSE', 'HSSE',
       "Etude d'impact", 'Achats',
       'Chargée de recherche de fonds et responsable partenariat',
       'projets', 'Produit', 'Directrice de Mission', 'Vente',
       'Office manager _ Resp Compta et Admin', "chargée d'affaires",
       'Commerce / RSE', 'RESPONSABLE COMMERCIALE', 'développement offr',
       'Oenologue', 'Consultant RSE et amélioration Continue',
       'Communication interne & RSE',
       'Collaborateur audit financier et RSE', 'Technicien principal',
       'Qhse rse', 'Auto entrepreneur', 'Qualité', 'Animatrice QHSE',
       'Responsable Qualité',
       'Formatrice des équipes au service client (+petite équipe RSE en parallèle)',
       'Direction HSE RSE', "+Direction de l'organisation", 'iM',
       'Excellence Opérationnelle', 'gestion / finance',
       'Responsable Recherche et Innovation', 'chargée de missions',
       'Business designer', 'juriste', 'Responsable engagement',
       'Assistante', 'HSE', 'Qhse', 'REFERENTE PEDAGOGIQUE',
       'R&D Wellbeing (contribue à la RSE)', 'Directeur innovation',
       'Country Manager', 'Responsable Innovation et communication',
       'Innovation', 'Gestionnaire administrative RH'], dtype=object)


#Remplacement de certaines valeurs par "autres"

df_2022['role_v2'] = np.where(df_2022['role_v2'].isin(['RSE / CSR','Direction Générale / COMEX', "Communication / Marketing", "Ressources humaines / Talent Acquisition", "QHSE", "Fondation", "Consultant", "CSE"]), df_2022['role_v2'], 'Autres')
df_2022['role_v2'].value_counts()

RSE / CSR                                   343
Direction Générale / COMEX                  167
Autres                                      101
Communication / Marketing                    71
Ressources humaines / Talent Acquisition     66
QHSE                                         18
Fondation                                    12
Consultant                                    7
CSE                                           7
Name: role_v2, dtype: int64


df_2022['role_v2'].value_counts().to_frame()


%%capture
!pip install kaleido
!pip install plotly>=4.0.0
!wget https://github.com/plotly/orca/releases/download/v1.2.1/orca-1.2.1-x86_64.AppImage -O /usr/local/bin/orca
!chmod +x /usr/local/bin/orca
!apt-get install xvfb libgtk2.0-0 libgconf-2-4


# Répartition des répondant·es en fonction de leur rôle dans l'entreprise

import plotly.graph_objects as go
from plotly.subplots import make_subplots

labels = ["RSE / CSR", "Direction Générale / COMEX", "Autres", "Communication / Marketing", "Ressources humaines / Talent Acquisition", "QHSE", "Fondation", "CSE", "Consultant"]

# Subplots
fig = make_subplots(rows=1, cols=1, specs=[[{'type':'domain'}]])
fig.add_trace(go.Pie(labels=labels, values=df_2022['role_v2'].value_counts(), name="Rôle"), 1, 1)

# Donut
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(
    title_text="Répartition des répondant·es en fonction de leur rôle dans l'entreprise")


fig.show()

# Export figures
fig.write_image("question_1_donut.png")
from IPython.display import Image
Image("question_1_donut.png")
files.download("question_1_donut.png")


# Barplot de la même question

# Librairies
import pandas as pd
import matplotlib.pyplot as plt

# Taille fig
plt.figure(figsize=(25,8))

# Barplot
plt.barh(y=["RSE / CSR", "Direction Générale / COMEX", "Autres", "Communication / Marketing", "Ressources humaines / Talent Acquisition", "QHSE", "Fondation", "CSE", "Consultant"], width=df_2022['role_v2'].value_counts())

# Titre
plt.title("Répartition des répondant·es en fonction de leur rôle dans l'entreprise")

plt.savefig("question_1_2022.svg")
files.download("question_1_2022.svg") 
plt.savefig("question_1_2022.png")
files.download("question_1_2022.png")


# Catégorisation en fonction de la taille des entreprises
myCoding = {'Moins de 10' : 'TPE', '11 à 50' : 'PME', '51 à 200' : 'PME', '201 à 1000' : 'ETI', '1001 à 5000' : 'ETI', 'Plus de 5000' : 'Grand groupe'}
df_2022["categ_taille_entreprises"] = df_2022["taille_entreprise"].replace(myCoding)


# Classification en fonction de la taille des entreprises
taille_ent = df_2022['categ_taille_entreprises'].value_counts().to_frame()
taille_ent = taille_ent.reset_index()


taille_ent.rename(columns={'index':'Taille entreprise'}, inplace=True)
display(taille_ent['Taille entreprise'].unique())
taille_ent['Taille entreprise'] = pd.Categorical(taille_ent['Taille entreprise'],categories=["TPE",'PME','ETI', 'Grand groupe'])
taille_ent = taille_ent.sort_values('Taille entreprise')
display(taille_ent)

array(['PME', 'ETI', 'TPE', 'Grand groupe'], dtype=object)


# Répartition de taille d'entreprises répondantes
# Subplots
fig = make_subplots(rows=1, cols=1, specs=[[{'type':'domain'}]])
fig.add_trace(go.Pie(labels=taille_ent["Taille entreprise"], values=taille_ent['categ_taille_entreprises'], name="Catégorie", sort=False), 1, 1)

# Donut
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(title_text="Répartition de taille d'entreprises répondantes")

fig.show()

# Export figures
fig.write_image("question_2_donut.png")
from IPython.display import Image
Image("question_2_donut.png")
files.download("question_2_donut.png")


# Secteurs principaux travaillent les répondant·es du Baromètre
df_2022['secteur_v2'] = np.where(df_2022['secteur'].isin(['Conseil / Etudes','Tech / Digital / Informatique', "Commerce / Négoce / Distribution", "Banque / Assurance / Finance / Mutuelle", "BTP / Construction / Immobilier", "Edition / Communication / Multimédia", "Agro-alimentaire", "Tourisme / Hôtellerie / Restauration", "Santé / Action sociale", "Enseignement / Formation", "Transports / Logistiques", "ESS / Développement durable", "Ressources humaines / QVT / RSE", "Energie / Eau / Assainissement", "Mode / Textile", "Culture / Sports / Loisirs", "Industrie pharmaceutique", "Administration publique", "Machines et équipements / Automobile", "Chimie"]), df_2022['secteur'], 'Autres')
display(df_2022['secteur_v2'].value_counts())

Conseil / Etudes                           134
Tech / Digital / Informatique              110
Autres                                      84
Commerce / Négoce / Distribution            61
Banque / Assurance / Finance / Mutuelle     53
BTP / Construction / Immobilier             45
Edition / Communication / Multimédia        41
Agro-alimentaire                            40
Tourisme / Hôtellerie / Restauration        30
Santé / Action sociale                      28
Enseignement / Formation                    22
Transports / Logistiques                    21
ESS / Développement durable                 20
Ressources humaines / QVT / RSE             18
Mode / Textile                              15
Energie / Eau / Assainissement              15
Industrie pharmaceutique                    13
Culture / Sports / Loisirs                  13
Administration publique                     10
Machines et équipements / Automobile        10
Chimie                                       9
Name: secteur_v2, dtype: int64


df_2022['secteur_v2'].value_counts().to_frame()


# Secteurs principaux travaillent les répondant·es du Baromètre 2

labels = ["Conseil / Etudes", "Tech / Digital / Informatique", "Autres", "Commerce / Négoce / Distribution", "Banque / Assurance / Finance / Mutuelle", "BTP / Construction / Immobilier", "Edition / Communication / Multimédia", "Agro-alimentaire", "Tourisme / Hôtellerie / Restauration", "Santé / Action sociale", "Enseignement / Formation", "Transports / Logistiques", "ESS / Développement durable", "Ressources humaines / QVT / RSE", "Energie / Eau / Assainissement", "Mode / Textile", "Industrie pharmaceutique", "Culture / Sports / Loisirs", "Administration publique", "Machines et équipements / Automobile", "Chimie"]
# Subplots
fig = make_subplots(rows=1, cols=1, specs=[[{'type':'domain'}]])
fig.add_trace(go.Pie(labels=labels, values=df_2022['secteur_v2'].value_counts(), name="A quel *secteur* appartient {{field:535b54cf-1d17-4acb-b449-f4a2e0d70888}} ?"), 1, 1)

# Donut
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(
    title_text="Secteurs principaux travaillent les répondant·es du Baromètre")

fig.show()

# Export figures
fig.write_image("question_3_donut.png")
from IPython.display import Image
Image("question_3_donut.png")
files.download("question_3_donut.png")


# Classification taille équipe
equipe = df_2022['equipe_RSE'].value_counts().to_frame()
equipe = equipe.reset_index()


equipe.rename(columns={'index':'Taille équipe'}, inplace=True)
display(equipe['Taille équipe'].unique())
equipe["Taille équipe"] = pd.Categorical(equipe["Taille équipe"],categories=["Il n'y a pas d'équipe dédiée",'1-2','3-5', '6-10', '>10'])
equipe = equipe.sort_values('Taille équipe')
display(equipe)

array(['1-2', "Il n'y a pas d'équipe dédiée", '3-5', '6-10', '>10'],
      dtype=object)


# Répartition de taille des équipes RSE des entreprises répondantes

# Subplots
fig = make_subplots(rows=1, cols=1, specs=[[{'type':'domain'}]])
fig.add_trace(go.Pie(labels=["Il n'y a pas d'équipe dédiée",'1-2','3-5', '6-10', '>10'], values=equipe['equipe_RSE'], name="Catégorie", sort=False), 1, 1)

# Donut
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(
    title_text="Taille des équipes RSE")

fig.show()

# Export figures
fig.write_image("question_4_donut.png")
from IPython.display import Image
Image("question_4_donut.png")
files.download("question_4_donut.png")


df_2022["dep_RSE"] = df_2022["A quel *département* est intégrée l'équipe RSE ?"]


df_2022["dep_RSE"] = df_2022["dep_RSE"].fillna(0)


df_2022["dep_RSE"]

102     La fonction RSE est autonome
93           A la Direction Générale
88                        Au pôle RH
78                                 0
84                                 0
                    ...             
1550         A la Direction Générale
1555    La fonction RSE est autonome
1557                               0
480          A la Direction Générale
1558                               0
Name: dep_RSE, Length: 792, dtype: object


df_2022["dep_RSE"] = df_2022["dep_RSE"].replace(["QHSE", "QSE", "qualité", "Au QHSE", "HSE", "Qualité (QHSE)", "QSE RSE prévention", "RQHSE", "Qualité" "Département QHSE-RSE", "Direction Qualité - Sécurité","Direction Qualité", "au pôle qualité", "la fonction Qualité et Conformité"], "QSE / HSE / QHSE / Qualité")


df_2022["dep_RSE"] = df_2022["dep_RSE"].replace(["Secrétariat geberal", "secretariat general", "Secrétariat Général", "SECRÉTARIAT GÉNÉRAL", "Secrétariat général"], "Secrétariat Général")


df_2022["dep_RSE"] = df_2022["dep_RSE"].replace(["RH et Administration Générale"], "Au pôle RH")


df_2022["dep_RSE"] = df_2022["dep_RSE"].replace(["Innovation", "direction ingénieurie et performance industrielle", "R&D", "intégrée au département  Technique Innovation et Développement Durable", "Marketing Innovation", "Pôle innovation","Direction innovation et développement durable", "Mission secondaire de la R&I", "RSE et open innovation", "direction ingéniérie et performance industrielle"], "Innovation / R&D")


df_2022["dep_RSE"] = df_2022["dep_RSE"].replace(["Opération", 
                                                                                          "operations", 
                                                                                          "A la direction excellence opérationnelle",
                                                                                          "Équipe Opérations (car je suis aussi responsable qualité)"], "Opérations")


df_2022["dep_RSE"] = df_2022["dep_RSE"].replace(["Finance", 
                                                                                          "CFO (fonctions supports)", 
                                                                                          "Admin & Finance", 
                                                                                          "Direction financière", 
                                                                                          "Juridique", 
                                                                                          "Pole Admin/finance",
                                                                                          "CFO (fonctions supports)"], "Finance / Admin / CFO / Juridique")


df_2022["dep_RSE"] = df_2022["dep_RSE"].replace(["Groupe de projets de plusieurs profils", 
                                                                                          "équipe transversale", 
                                                                                          "Plusieurs pôles RSE", 
                                                                                          "Nous sommes une agence spécialisée en RSE. Tous nos collaborateurs sont engagés dans la démarche.", 
                                                                                          "1 Membre RH + 1 Membre de la DG + 1 stagiaire autonome", 
                                                                                          "Transverse", 
                                                                                          "a l'ensemble de l'equipe, coordonnée par un chef de projet", 
                                                                                          "Chaque membre appartient à une filière différente de BGE PICARDIE",
                                                                                          "8 collaborateurs en transverse",
                                                                                          "Com° + Qualité + CSE + Direction",
                                                                                          "Plusieurs: Il y a un département RSE mais aussi des personnes intégrées à l'équipe RH sur les questions de diversité et de santé et sécurité",
                                                                                          "Différents postes",
                                                                                          "plusieurs départements RH, COMM, Green Team, Green champions Etc",
                                                                                          "Pôle innovation RH et numérique",
                                                                                          "c'est une équipe projet en plus de nos fonctions",
                                                                                          "Equipe indépendante de personnes qui souhaitent travailler sur ce sujet",
                                                                                          "Plusieurs pôles RSE",
                                                                                          "Groupe de projets de plusieurs profils"], "Transverses")


df_2022["dep_RSE"] = df_2022['dep_RSE'] = np.where(df_2022['dep_RSE'].isin(['A la Direction Générale',
                                                       'La fonction RSE est autonome', 
                                                       "Au pôle RH", 
                                                       "Au pôle communication", 
                                                       "QSE / HSE / QHSE / Qualité",
                                                       "Secrétariat Général",
                                                       "Innovation / R&D",
                                                       "Opérations",
                                                       "Finance / Admin / CFO / Juridique",
                                                       "Transverses", 0]), df_2022['dep_RSE'], 'Autres')


question_5 = df_2022["dep_RSE"].value_counts().to_frame()
question_5.reset_index()
question_5 = question_5.drop(labels=0, axis=0)
question_5


# Département de l'équipe RSE

# Subplots
fig = make_subplots(rows=1, cols=1, specs=[[{'type':'domain'}]])
fig.add_trace(go.Pie(labels=question_5.index, values=question_5["dep_RSE"], name="Département"), 1, 1)

# Donut
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(
    title_text="Département de l'équipe RSE")

fig.show()

# Export figures
fig.write_image("question_5_donut.png")
from IPython.display import Image
Image("question_5_donut.png")
files.download("question_5_donut.png")


question_5_perc = question_5.div(question_5["dep_RSE"].sum())*100
question_5_perc


# plot bar chart
question_5_perc["dep_RSE"].plot.bar()
plt.title("Département de l'équipe RSE")

# Export fichier
#plt.savefig("question_5_2022.svg", bbox_inches='tight')
#files.download("question_5_2022.svg") 
#plt.savefig("question_5_2022.png", bbox_inches='tight')
#files.download("question_5_2022.png")

Text(0.5, 1.0, "Département de l'équipe RSE")


df_2022["La RSE est-elle directement représentée au sein du *COMEX* ?"].value_counts()

Oui              421
Non              246
Non pertinent     78
Name: La RSE est-elle directement représentée au sein du *COMEX* ?, dtype: int64


df_2022["rep_COMEX"] = df_2022["La RSE est-elle directement représentée au sein du *COMEX* ?"]

question_6 = df_2022[["rep_COMEX"]]
question_6 = question_6[question_6.rep_COMEX != "Non pertinent"]
question_6.value_counts()

rep_COMEX
Oui          421
Non          246
dtype: int64


# RSE et COMEX

labels = ['Oui', "Non"]

# Subplots
fig = make_subplots(rows=1, cols=1, specs=[[{'type':'domain'}]])
fig.add_trace(go.Pie(labels=labels, values=question_6.rep_COMEX.value_counts(), name="Catégorie"), 1, 1)

# Donut
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(
    title_text="La RSE est-elle directement représentée au sein du COMEX ?")

fig.show()

# Export figures
fig.write_image("question_6_donut.png")
from IPython.display import Image
Image("question_6_donut.png")
files.download("question_6_donut.png")


df_2022['Quel est le *budget annuel* mis à disposition de votre département RSE ?'].value_counts()

Aucun budget                              184
De 1 à 5 000€                             140
De 5 000 à 20 000€                        109
De 20 000 à 50 000€                        61
Plus de 100 000€                           56
Je ne souhaite pas partager ce chiffre     52
De 50 000 à 100 000€                       28
Name: Quel est le *budget annuel* mis à disposition de votre département RSE ?, dtype: int64


# Budget annuel
budget = df_2022['Quel est le *budget annuel* mis à disposition de votre département RSE ?'].value_counts().to_frame().reset_index()
budget = budget.drop(labels=5, axis=0)
budget


budget.rename(columns={'index':'Budget'}, inplace=True)
display(budget.Budget.unique())
budget.Budget = pd.Categorical(budget.Budget,categories=["Aucun budget",'De 1 à 5 000€','De 5 000 à 20 000€', 'De 20 000 à 50 000€', 'De 50 000 à 100 000€', "Plus de 100 000€", "Je ne souhaite pas partager ce chiffre"])
budget = budget.sort_values('Budget')
display(budget)

array(['Aucun budget', 'De 1 à 5 000€', 'De 5 000 à 20 000€',
       'De 20 000 à 50 000€', 'Plus de 100 000€', 'De 50 000 à 100 000€'],
      dtype=object)


# Répartition des montants de budget des entreprises répondantes dédiés à la RSE

# Subplots
fig = make_subplots(rows=1, cols=1, specs=[[{'type':'domain'}]])
fig.add_trace(go.Pie(labels=budget.Budget, values= budget["Quel est le *budget annuel* mis à disposition de votre département RSE ?"], name="Quel est le *budget annuel* mis à disposition de votre département RSE ?", sort=False), 1, 1)

# Donut
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(title_text="Répartition des montants de budget des entreprises répondantes dédiés à la RSE")

fig.show()

# Export figures
fig.write_image("question_7_donut.png")
from IPython.display import Image
Image("question_7_donut.png")
files.download("question_7_donut.png")


df_2022['question_8_finance_admin'].value_counts()

Favorable        328
Indifférent      207
Moteur           127
Non pertinent    111
Réfractaire       18
Name: question_8_finance_admin, dtype: int64


import pandas as pd

# Sélection des colonnes pertinentes pour la question 8
question_8 = df_2022[['question_8_COMEX', 'question_8_salaries', 'question_8_middle_management', 'question_8_achats', 'question_8_RH', 'question_8_com_market', 'question_8_commercial', 'question_8_prod', 'question_8_finance_admin']]
display(question_8.head())

# Pivot de la table
question_8 = question_8.apply(pd.Series.value_counts).fillna(0).astype(int)

# Renommage de la première colonne et pivot
question_8 = question_8.reset_index()
question_8.rename(columns={'index':'Réponse'}, inplace=True)
question_8 = question_8.pivot_table(columns='Réponse')
question_8.drop("Non pertinent", inplace = True, axis = 1)
question_8 = question_8.reindex(['Moteur', "Favorable", "Indifférent", "Réfractaire"], axis=1)
question_8


question_8_perc = question_8.div(question_8.sum(axis=1), axis=0)*100
display(question_8_perc)

# Création du stacked barplot
question_8_perc.plot(kind='bar', stacked=True)

plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Degrés d'implication des parties prenantes internes")
plt.xlabel("Parties internes")
plt.ylabel("Pourcentage cumulé")

# Export fichier
plt.savefig("question_8_2022.svg", bbox_inches='tight')
files.download("question_8_2022.svg") 
plt.savefig("question_8_2022.png", bbox_inches='tight')
files.download("question_8_2022.png") 

plt.show()


df_2022['question_10_etat_co_publiques'].value_counts()

Ils ne connaissent pas nos actions    309
Ils connaissent  nos actions          248
Non pertinent                         150
Ils participent à nos actions RSE      84
Name: question_10_etat_co_publiques, dtype: int64


import pandas as pd

# Sélection des colonnes pertinentes pour la question 10
question_10 = df_2022[['question_10_etat_co_publiques',	'question_10_conso_clients',	'question_10_ss_traitants',	'question_10_candidats',	'question_10_citoyens',	'question_10_actionnaires']]
display(question_10.head())

# Pivot de la table
question_10 = question_10.apply(pd.Series.value_counts).fillna(0).astype(int)

# Renommage de la première colonne et pivot
question_10 = question_10.reset_index()
question_10.rename(columns={'index':'Réponse'}, inplace=True)
question_10 = question_10.pivot_table(columns='Réponse')
question_10.drop("Non pertinent", inplace = True, axis = 1)
question_10 = question_10.reindex(["Ils connaissent  nos actions", "Ils participent à nos actions RSE", "Ils ne connaissent pas nos actions"], axis=1)

question_10


question_10_perc = question_10.div(question_10.sum(axis=1), axis=0)*100
display(question_10_perc)

question_10_perc.plot(kind='bar', stacked=True)

plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Degrés d'implication des parties prenantes externes")
plt.xlabel("Parties externes")
plt.ylabel("Pourcentage cumulé")

# Export fichier
plt.savefig("question_10_2022.svg", bbox_inches='tight')
files.download("question_10_2022.svg") 
plt.savefig("question_10_2022.png", bbox_inches='tight')
files.download("question_10_2022.png") 

plt.show()


df_2022["Aujourd'hui, selon vous, quelle proportion de salariés est *impliquée dans votre démarche RSE *?"].value_counts()

Une petite partie - Entre 5 et 25% des salariés    271
Très peu de salariés - Moins de 5%                 164
Presque tous les salariés - Plus de 75%            120
Près de la moitié - Entre 25 et 50%                100
Plus de la moitié - Entre 50 et 75%                 77
Non pertinent chez nous                             35
Name: Aujourd'hui, selon vous, quelle proportion de salariés est *impliquée dans votre démarche RSE *?, dtype: int64


# Classification des catégories
demarche = df_2022["Aujourd'hui, selon vous, quelle proportion de salariés est *impliquée dans votre démarche RSE *?"].value_counts().to_frame()
demarche = demarche.reset_index()
demarche = demarche.drop(labels=5, axis=0)
demarche


demarche.rename(columns={'index':'Proportion'}, inplace=True)
display(demarche['Proportion'].unique())
demarche['Proportion'] = pd.Categorical(demarche['Proportion'],categories=["Très peu de salariés - Moins de 5%",
                                                                           'Une petite partie - Entre 5 et 25% des salariés',
                                                                           'Près de la moitié - Entre 25 et 50%',
                                                                           'Plus de la moitié - Entre 50 et 75%',
                                                                           "Presque tous les salariés - Plus de 75%"])
demarche = demarche.sort_values('Proportion')
display(demarche)

array(['Une petite partie - Entre 5 et 25% des salariés',
       'Très peu de salariés - Moins de 5%',
       'Presque tous les salariés - Plus de 75%',
       'Près de la moitié - Entre 25 et 50%',
       'Plus de la moitié - Entre 50 et 75%'], dtype=object)


# Proportion de salariés impliquée dans la démarche RSE

# Subplots
fig = make_subplots(rows=1, cols=1, specs=[[{'type':'domain'}]])
fig.add_trace(go.Pie(labels=demarche['Proportion'], values=demarche["Aujourd'hui, selon vous, quelle proportion de salariés est *impliquée dans votre démarche RSE *?"], name="Catégorie", sort=False), 1, 1)

# Donut
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(
    title_text="Aujourd'hui, selon vous, quelle proportion de salariés est impliquée dans votre démarche RSE?")

fig.show()

# Export figures
fig.write_image("question_9_donut.png")
from IPython.display import Image
Image("question_9_donut.png")
files.download("question_9_donut.png")


df_2022["Est-ce que l'activité commerciale principale de votre entreprise répond à un *enjeu social ou environnemental* ?"].value_counts()

Oui    434
Non    298
Name: Est-ce que l'activité commerciale principale de votre entreprise répond à un *enjeu social ou environnemental* ?, dtype: int64


# Activité principale de l'entreprise répondant à un enjeu social ou environnemental?

labels = ["Oui", "Non"]

# Subplots
fig = make_subplots(rows=1, cols=1, specs=[[{'type':'domain'}]])
fig.add_trace(go.Pie(labels=labels, values=df_2022["Est-ce que l'activité commerciale principale de votre entreprise répond à un *enjeu social ou environnemental* ?"].value_counts(), name="Catégorie"), 1, 1)

# Donut
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(
    title_text="Est-ce que l'activité commerciale principale de votre entreprise répond à un enjeu social ou environnemental?")

fig.show()

# Export figures
fig.write_image("question_11_donut.png")
from IPython.display import Image
Image("question_11_donut.png")
files.download("question_11_donut.png")


import pandas as pd

# Sélection des colonnes pertinentes pour la question 12
question_12 = df_2022[['question_12_entreprise_mission', 'question_12_BCorp',	'question_12_Lucie',	'question_12_1%',	'question_12_esus']]
display(question_12.head())

# Pivot de la table
question_12 = question_12.apply(pd.Series.value_counts).fillna(0).astype(int)

# Renommage de la première colonne et pivot
question_12 = question_12.reset_index()
question_12.rename(columns={'index':'Réponse'}, inplace=True)
question_12 = question_12.pivot_table(columns='Réponse')
question_12 = question_12.reindex(["Nous le sommes déjà", "Nous sommes engagés dans le processus", "Nous y réfléchissons", "Je ne connais pas", "Pas du tout"], axis=1)

question_12


question_12_perc = question_12.div(question_12.sum(axis=1), axis=0)*100
display(question_12_perc)

question_12_perc.plot(kind='bar', stacked=True)

plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Graphique montrant quels labels / certifications intéressent le plus les entreprises répondantes")
plt.xlabel("Labels et certifications")
plt.ylabel("Pourcentage cumulé")

# Export fichier
plt.savefig("question_12_2022.svg", bbox_inches='tight')
files.download("question_12_2022.svg") 
plt.savefig("question_12_2022.png", bbox_inches='tight')
files.download("question_12_2022.png") 

plt.show()


additional_12 = df_2022[['question_12_entreprise_mission', 'question_12_BCorp',	'question_12_Lucie',	'question_12_1%',	'question_12_esus']]
display(additional_12.head())


additional_12 = additional_12.replace(["Nous le sommes déjà"], 1)

additional_12 = additional_12.replace(["Nous sommes engagés dans le processus", "Nous y réfléchissons", "Je ne connais pas", "Pas du tout", "Non pertinent chez nous"], 0)
additional_12.head()


additional_12 = additional_12.sum(axis = 1).to_frame()
additional_12_next = additional_12.sum(axis = 1).to_frame()

additional_12 = additional_12.value_counts().to_frame()
additional_12


additional_12.rename(columns={0:'count'}, inplace=True)
additional_12 = additional_12.reset_index()
additional_12.rename(columns={0:'nb_label'}, inplace=True)
additional_12["nb_label"] = additional_12["nb_label"].astype(int)
additional_12


# Nombre de labels par entreprise

# Subplots
fig = make_subplots(rows=1, cols=1, specs=[[{'type':'domain'}]])
fig.add_trace(go.Pie(labels=additional_12.nb_label, values= additional_12['count'], name="Combien de labels par entreprises", sort=False), 1, 1)

# Donut
fig.update_traces(hole=.4, hoverinfo="label+percent+name")

fig.update_layout(title_text="Nombre de labels par entreprises répondantes")

fig.show()

# Export figures
fig.write_image("additional_12.png")
from IPython.display import Image
Image("additional_12.png")
files.download("additional_12.png")


# Tableau croisé 4/2
crossed_4_2 = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.equipe_RSE)
crossed_4_2 = crossed_4_2.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_4_2


# Tableau croisé 4/2 en pourcentage
crossed_4_2_perc = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.equipe_RSE, normalize='index')*100
crossed_4_2_perc = crossed_4_2_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_4_2_perc


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_4_2_perc.plot.bar(rot=0)
plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Questions 4&2 : Taille de l'équipe RSE en fonction de la taille de l'entreprise")

# Export fichier
plt.savefig("crossed_4_2.svg", bbox_inches='tight')
files.download("crossed_4_2.svg") 
plt.savefig("crossed_4_2.png", bbox_inches='tight')
files.download("crossed_4_2.png")


# Tableau croisé 5/2
crossed_5_2 = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.dep_RSE)
crossed_5_2 = crossed_5_2.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_5_2 = crossed_5_2.drop(labels=0, axis=1)
crossed_5_2


# Tableau croisé 5/2 en pourcentage
crossed_5_2_perc = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.dep_RSE, normalize='index')*100
crossed_5_2_perc = crossed_5_2_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_5_2_perc = crossed_5_2_perc.drop(labels=0, axis=1)
crossed_5_2_perc


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_5_2_perc.plot.bar(rot=0)
plt.legend(bbox_to_anchor=(1.6, 1))
plt.title("Questions 5&2 : Département auquel la RSE est rattachée en fonction de la taille de l'entreprise")

# Export fichier
plt.savefig("crossed_5_2.svg", bbox_inches='tight')
files.download("crossed_5_2.svg") 
plt.savefig("crossed_5_2.png", bbox_inches='tight')
files.download("crossed_5_2.png")


# Tableau croisé 6/2
crossed_6_2 = pd.crosstab(df_2022.categ_taille_entreprises, df_2022["La RSE est-elle directement représentée au sein du *COMEX* ?"])
crossed_6_2 = crossed_6_2.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_6_2 = crossed_6_2.drop("Non pertinent", axis=1)
crossed_6_2 = crossed_6_2.reindex(["Oui", "Non"], axis=1)
crossed_6_2


# Tableau croisé 6/2 en pourcentage
crossed_6_2_perc = crossed_6_2.div(crossed_6_2.sum(axis=1), axis=0)*100
crossed_6_2_perc = crossed_6_2_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_6_2_perc = crossed_6_2_perc.reindex(["Oui", "Non"], axis=1)
crossed_6_2_perc


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_6_2_perc.plot.bar(rot=0)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Questions 6&2 : RSE rattachée ou non au COMEX en fonction de la taille de l'entreprise")

# Export fichier
plt.savefig("crossed_6_2.svg", bbox_inches='tight')
files.download("crossed_6_2.svg") 
plt.savefig("crossed_6_2.png", bbox_inches='tight')
files.download("crossed_6_2.png")


# Tableau croisé 7/2
crossed_7_2 = pd.crosstab(df_2022.categ_taille_entreprises, df_2022['Quel est le *budget annuel* mis à disposition de votre département RSE ?'])
crossed_7_2 = crossed_7_2.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_7_2 = crossed_7_2.drop("Je ne souhaite pas partager ce chiffre", axis=1)
crossed_7_2 = crossed_7_2.reindex(["Aucun budget",'De 1 à 5 000€','De 5 000 à 20 000€', 'De 20 000 à 50 000€', 'De 50 000 à 100 000€', "Plus de 100 000€"], axis=1)
crossed_7_2


# Tableau croisé 7/2 en pourcentage
crossed_7_2_perc = crossed_7_2.div(crossed_7_2.sum(axis=1), axis=0)*100
crossed_7_2_perc = crossed_7_2_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_7_2_perc = crossed_7_2_perc.reindex(["Aucun budget",'De 1 à 5 000€','De 5 000 à 20 000€', 'De 20 000 à 50 000€', 'De 50 000 à 100 000€', "Plus de 100 000€"], axis=1)
crossed_7_2_perc


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_7_2_perc.plot.bar(rot=0)
plt.legend(bbox_to_anchor=(1.7, 1))
plt.title("Questions 7&2 : Budget annuel en fonction de la taille de l'entreprise")

# Export fichier
plt.savefig("crossed_7_2.svg", bbox_inches='tight')
files.download("crossed_7_2.svg") 
plt.savefig("crossed_7_2.png", bbox_inches='tight')
files.download("crossed_7_2.png")


# Tableau croisé 7/4
crossed_7_4 = pd.crosstab(df_2022.equipe_RSE, df_2022["Quel est le *budget annuel* mis à disposition de votre département RSE ?"])
crossed_7_4 = crossed_7_4.drop("Je ne souhaite pas partager ce chiffre", axis=1)
crossed_7_4 = crossed_7_4.reindex(["Aucun budget",'De 1 à 5 000€','De 5 000 à 20 000€', 'De 20 000 à 50 000€', 'De 50 000 à 100 000€', "Plus de 100 000€"], axis=1)
crossed_7_4


# Tableau croisé 7/4 en pourcentage
crossed_7_4_perc = crossed_7_4.div(crossed_7_4.sum(axis=1), axis=0)*100
crossed_7_4_perc = crossed_7_4_perc.reindex(["Aucun budget",'De 1 à 5 000€','De 5 000 à 20 000€', 'De 20 000 à 50 000€', 'De 50 000 à 100 000€', "Plus de 100 000€"], axis=1)
crossed_7_4_perc


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_7_4_perc.plot.bar(rot=5)
plt.legend(bbox_to_anchor=(1.7, 1))
plt.title("Questions 7&4 : Budget annuel en fonction de la taille de l'équipe RSE")

# Export fichier
plt.savefig("crossed_7_4.svg", bbox_inches='tight')
files.download("crossed_7_4.svg") 
plt.savefig("crossed_7_4.png", bbox_inches='tight')
files.download("crossed_7_4.png")


crossed_8_2 = df_2022[['categ_taille_entreprises','question_8_COMEX', 'question_8_salaries', 'question_8_middle_management', 'question_8_achats', 'question_8_RH', 'question_8_com_market', 'question_8_commercial', 'question_8_prod', 'question_8_finance_admin']]
crossed_8_2.head()


# Pour les TPE
crossed_8_2_tpe = crossed_8_2.loc[crossed_8_2['categ_taille_entreprises'] == 'TPE']
crossed_8_2_tpe = crossed_8_2_tpe[['question_8_COMEX', 'question_8_salaries', 'question_8_middle_management', 'question_8_achats', 'question_8_RH', 'question_8_com_market', 'question_8_commercial', 'question_8_prod', 'question_8_finance_admin']]
crossed_8_2_tpe.head()

# Pivot de la table
crossed_8_2_tpe = crossed_8_2_tpe.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_8_2_tpe = crossed_8_2_tpe.reset_index()
crossed_8_2_tpe.rename(columns={'index':'Réponse'}, inplace=True)
crossed_8_2_tpe = crossed_8_2_tpe.pivot_table(columns='Réponse')
crossed_8_2_tpe = crossed_8_2_tpe.drop("Non pertinent", axis=1)
crossed_8_2_tpe = crossed_8_2_tpe.reindex(['Moteur', "Favorable", "Indifférent", "Réfractaire"], axis=1)

# En pourcentage
crossed_8_2_tpe_perc = crossed_8_2_tpe.div(crossed_8_2_tpe.sum(axis=1), axis=0)*100
display(crossed_8_2_tpe_perc)

# plot bar chart
crossed_8_2_tpe_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Position des parties prenantes internes vis à vis de la RSE dans les TPE")

# Export fichier
plt.savefig("crossed_8_2_tpe_perc.svg", bbox_inches='tight')
files.download("crossed_8_2_tpe_perc.svg") 
plt.savefig("crossed_8_2_tpe_perc.png", bbox_inches='tight')
files.download("crossed_8_2_tpe_perc.png")


# Pour les PME
crossed_8_2_pme = crossed_8_2.loc[crossed_8_2['categ_taille_entreprises'] == 'PME']
crossed_8_2_pme = crossed_8_2_pme[['question_8_COMEX', 'question_8_salaries', 'question_8_middle_management', 'question_8_achats', 'question_8_RH', 'question_8_com_market', 'question_8_commercial', 'question_8_prod', 'question_8_finance_admin']]

# Pivot de la table
crossed_8_2_pme = crossed_8_2_pme.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_8_2_pme = crossed_8_2_pme.reset_index()
crossed_8_2_pme.rename(columns={'index':'Réponse'}, inplace=True)
crossed_8_2_pme = crossed_8_2_pme.pivot_table(columns='Réponse')
crossed_8_2_pme = crossed_8_2_pme.drop("Non pertinent", axis=1)
crossed_8_2_pme = crossed_8_2_pme.reindex(['Moteur', "Favorable", "Indifférent", "Réfractaire"], axis=1)
display(crossed_8_2_pme.head())

# En pourcentage
crossed_8_2_pme_perc = crossed_8_2_pme.div(crossed_8_2_pme.sum(axis=1), axis=0)*100
display(crossed_8_2_pme_perc)

# plot bar chart
crossed_8_2_pme_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Position des parties prenantes internes vis à vis de la RSE dans les PME")

# Export fichier
plt.savefig("crossed_8_2_pme_perc.svg", bbox_inches='tight')
files.download("crossed_8_2_pme_perc.svg") 
plt.savefig("crossed_8_2_pme_perc.png", bbox_inches='tight')
files.download("crossed_8_2_pme_perc.png")


# Pour les ETI
crossed_8_2_eti = crossed_8_2.loc[crossed_8_2['categ_taille_entreprises'] == 'ETI']
crossed_8_2_eti = crossed_8_2_eti[['question_8_COMEX', 'question_8_salaries', 'question_8_middle_management', 'question_8_achats', 'question_8_RH', 'question_8_com_market', 'question_8_commercial', 'question_8_prod', 'question_8_finance_admin']]
crossed_8_2_eti.head()

# Pivot de la table
crossed_8_2_eti = crossed_8_2_eti.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_8_2_eti = crossed_8_2_eti.reset_index()
crossed_8_2_eti.rename(columns={'index':'Réponse'}, inplace=True)
crossed_8_2_eti = crossed_8_2_eti.pivot_table(columns='Réponse')
crossed_8_2_eti = crossed_8_2_eti.drop("Non pertinent", axis=1)
crossed_8_2_eti = crossed_8_2_eti.reindex(['Moteur', "Favorable", "Indifférent", "Réfractaire"], axis=1)
display(crossed_8_2_pme.head())

# En pourcentage
crossed_8_2_eti_perc = crossed_8_2_eti.div(crossed_8_2_eti.sum(axis=1), axis=0)*100
display(crossed_8_2_eti_perc)

# plot bar chart
crossed_8_2_eti_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Position des parties prenantes internes vis à vis de la RSE dans les ETI")

# Export fichier
plt.savefig("crossed_8_2_eti_perc.svg", bbox_inches='tight')
files.download("crossed_8_2_eti_perc.svg") 
plt.savefig("crossed_8_2_eti_perc.png", bbox_inches='tight')
files.download("crossed_8_2_eti_perc.png")


# Pour les grands groupes
crossed_8_2_gg = crossed_8_2.loc[crossed_8_2['categ_taille_entreprises'] == 'Grand groupe']
crossed_8_2_gg = crossed_8_2_gg[['question_8_COMEX', 'question_8_salaries', 'question_8_middle_management', 'question_8_achats', 'question_8_RH', 'question_8_com_market', 'question_8_commercial', 'question_8_prod', 'question_8_finance_admin']]
crossed_8_2_gg.head()

# Pivot de la table
crossed_8_2_gg = crossed_8_2_gg.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_8_2_gg = crossed_8_2_gg.reset_index()
crossed_8_2_gg.rename(columns={'index':'Réponse'}, inplace=True)
crossed_8_2_gg = crossed_8_2_gg.pivot_table(columns='Réponse')
crossed_8_2_gg = crossed_8_2_gg.drop("Non pertinent", axis=1)
crossed_8_2_gg = crossed_8_2_gg.reindex(['Moteur', "Favorable", "Indifférent", "Réfractaire"], axis=1)
display(crossed_8_2_gg.head())

# En pourcentage
crossed_8_2_gg_perc = crossed_8_2_gg.div(crossed_8_2_gg.sum(axis=1), axis=0)*100
display(crossed_8_2_gg_perc)

# plot bar chart
crossed_8_2_gg_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Position des parties prenantes internes vis à vis de la RSE dans les grands groupes")

# Export fichier
plt.savefig("crossed_8_2_gg_perc.svg", bbox_inches='tight')
files.download("crossed_8_2_gg_perc.svg") 
plt.savefig("crossed_8_2_gg_perc.png", bbox_inches='tight')
files.download("crossed_8_2_gg_perc.png")


crossed_9_2 = pd.crosstab(df_2022.categ_taille_entreprises, df_2022["Aujourd'hui, selon vous, quelle proportion de salariés est *impliquée dans votre démarche RSE *?"])
crossed_9_2 = crossed_9_2.drop("Non pertinent chez nous", axis=1)
crossed_9_2 = crossed_9_2.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_9_2 = crossed_9_2.reindex(["Très peu de salariés - Moins de 5%",
                                   'Une petite partie - Entre 5 et 25% des salariés',
                                   'Près de la moitié - Entre 25 et 50%',
                                   'Plus de la moitié - Entre 50 et 75%',
                                   "Presque tous les salariés - Plus de 75%"], axis=1)
crossed_9_2


# Tableau croisé 9/2 en pourcentage
crossed_9_2_perc = crossed_9_2.div(crossed_9_2.sum(axis=1), axis=0)*100
crossed_9_2_perc = crossed_9_2_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_9_2_perc = crossed_9_2_perc.reindex(["Très peu de salariés - Moins de 5%",
                                   'Une petite partie - Entre 5 et 25% des salariés',
                                   'Près de la moitié - Entre 25 et 50%',
                                   'Plus de la moitié - Entre 50 et 75%',
                                   "Presque tous les salariés - Plus de 75%"], axis=1)
crossed_9_2_perc


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_9_2_perc.plot.bar(rot=0)
plt.legend(bbox_to_anchor=(2, 1))
plt.title("Questions 9&2 : Proportion de salarié·e·s impliqué·e·s en fonction de la taille de l'entreprise")

# Export fichier
plt.savefig("crossed_9_2_perc.svg", bbox_inches='tight')
files.download("crossed_9_2_perc.svg") 
plt.savefig("crossed_9_2_perc.png", bbox_inches='tight')
files.download("crossed_9_2_perc.png")


crossed_10_2 = df_2022[['categ_taille_entreprises','question_10_etat_co_publiques',	'question_10_conso_clients',	'question_10_ss_traitants',	'question_10_candidats',	'question_10_citoyens',	'question_10_actionnaires']]
crossed_10_2.head()


# Pour les TPE
crossed_10_2_tpe = crossed_10_2.loc[crossed_10_2['categ_taille_entreprises'] == 'TPE']
crossed_10_2_tpe = crossed_10_2_tpe[['question_10_etat_co_publiques',	'question_10_conso_clients',	'question_10_ss_traitants',	'question_10_candidats',	'question_10_citoyens',	'question_10_actionnaires']]

# Pivot de la table
crossed_10_2_tpe = crossed_10_2_tpe.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_10_2_tpe = crossed_10_2_tpe.reset_index()
crossed_10_2_tpe.rename(columns={'index':'Réponse'}, inplace=True)
crossed_10_2_tpe = crossed_10_2_tpe.pivot_table(columns='Réponse')
crossed_10_2_tpe = crossed_10_2_tpe.drop("Non pertinent", axis=1)
crossed_10_2_tpe = crossed_10_2_tpe.reindex(["Ils connaissent  nos actions", "Ils participent à nos actions RSE", "Ils ne connaissent pas nos actions"], axis=1)
display(crossed_10_2_tpe.head())

# En pourcentage
crossed_10_2_tpe_perc = crossed_10_2_tpe.div(crossed_10_2_tpe.sum(axis=1), axis=0)*100
display(crossed_10_2_tpe_perc)

# plot bar chart
crossed_10_2_tpe_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Position des parties prenantes externes vis à vis de la RSE dans les TPE")

# Export fichier
plt.savefig("crossed_10_2_tpe_perc.svg", bbox_inches='tight')
files.download("crossed_10_2_tpe_perc.svg") 
plt.savefig("crossed_10_2_tpe_perc.png", bbox_inches='tight')
files.download("crossed_10_2_tpe_perc.png")


# Pour les PME
crossed_10_2_pme = crossed_10_2.loc[crossed_10_2['categ_taille_entreprises'] == 'PME']
crossed_10_2_pme = crossed_10_2_pme[['question_10_etat_co_publiques',	'question_10_conso_clients',	'question_10_ss_traitants',	'question_10_candidats',	'question_10_citoyens',	'question_10_actionnaires']]

# Pivot de la table
crossed_10_2_pme = crossed_10_2_pme.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_10_2_pme = crossed_10_2_pme.reset_index()
crossed_10_2_pme.rename(columns={'index':'Réponse'}, inplace=True)
crossed_10_2_pme = crossed_10_2_pme.pivot_table(columns='Réponse')
crossed_10_2_pme = crossed_10_2_pme.drop("Non pertinent", axis=1)
crossed_10_2_pme = crossed_10_2_pme.reindex(["Ils connaissent  nos actions", "Ils participent à nos actions RSE", "Ils ne connaissent pas nos actions"], axis=1)
display(crossed_10_2_pme.head())

# En pourcentage
crossed_10_2_pme_perc = crossed_10_2_pme.div(crossed_10_2_pme.sum(axis=1), axis=0)*100
display(crossed_10_2_pme_perc)

# plot bar chart
crossed_10_2_pme_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Position des parties prenantes externes vis à vis de la RSE dans les PME")

# Export fichier
plt.savefig("crossed_10_2_pme_perc.svg", bbox_inches='tight')
files.download("crossed_10_2_pme_perc.svg") 
plt.savefig("crossed_10_2_pme_perc.png", bbox_inches='tight')
files.download("crossed_10_2_pme_perc.png")


# Pour les ETI
crossed_10_2_eti = crossed_10_2.loc[crossed_10_2['categ_taille_entreprises'] == 'ETI']
crossed_10_2_eti = crossed_10_2_eti[['question_10_etat_co_publiques',	'question_10_conso_clients',	'question_10_ss_traitants',	'question_10_candidats',	'question_10_citoyens',	'question_10_actionnaires']]


# Pivot de la table
crossed_10_2_eti = crossed_10_2_eti.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_10_2_eti = crossed_10_2_eti.reset_index()
crossed_10_2_eti.rename(columns={'index':'Réponse'}, inplace=True)
crossed_10_2_eti = crossed_10_2_eti.pivot_table(columns='Réponse')
crossed_10_2_eti = crossed_10_2_eti.drop("Non pertinent", axis=1)
crossed_10_2_eti = crossed_10_2_eti.reindex(["Ils connaissent  nos actions", "Ils participent à nos actions RSE", "Ils ne connaissent pas nos actions"], axis=1)
display(crossed_10_2_eti.head())

# En pourcentage
crossed_10_2_eti_perc = crossed_10_2_eti.div(crossed_10_2_eti.sum(axis=1), axis=0)*100
display(crossed_10_2_eti_perc)

# plot bar chart
crossed_10_2_eti_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Position des parties prenantes externes vis à vis de la RSE dans les ETI")

# Export fichier
plt.savefig("crossed_10_2_eti_perc.svg", bbox_inches='tight')
files.download("crossed_10_2_eti_perc.svg") 
plt.savefig("crossed_10_2_eti_perc.png", bbox_inches='tight')
files.download("crossed_10_2_eti_perc.png")


# Pour les grands groupes
crossed_10_2_gg = crossed_10_2.loc[crossed_10_2['categ_taille_entreprises'] == 'Grand groupe']
crossed_10_2_gg = crossed_10_2_gg[['question_10_etat_co_publiques',	'question_10_conso_clients',	'question_10_ss_traitants',	'question_10_candidats',	'question_10_citoyens',	'question_10_actionnaires']]


# Pivot de la table
crossed_10_2_gg = crossed_10_2_gg.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_10_2_gg = crossed_10_2_gg.reset_index()
crossed_10_2_gg.rename(columns={'index':'Réponse'}, inplace=True)
crossed_10_2_gg = crossed_10_2_gg.pivot_table(columns='Réponse')
crossed_10_2_gg = crossed_10_2_gg.drop("Non pertinent", axis=1)
crossed_10_2_gg = crossed_10_2_gg.reindex(["Ils connaissent  nos actions", "Ils participent à nos actions RSE", "Ils ne connaissent pas nos actions"], axis=1)
display(crossed_10_2_gg.head())

# En pourcentage
crossed_10_2_gg_perc = crossed_10_2_gg.div(crossed_10_2_gg.sum(axis=1), axis=0)*100
display(crossed_10_2_gg_perc)

# plot bar chart
crossed_10_2_gg_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Position des parties prenantes externes vis à vis de la RSE dans les Grands Groupes")

# Export fichier
plt.savefig("crossed_10_2_gg_perc.svg", bbox_inches='tight')
files.download("crossed_10_2_gg_perc.svg") 
plt.savefig("crossed_10_2_gg_perc.png", bbox_inches='tight')
files.download("crossed_10_2_gg_perc.png")


# Tableau croisé 11/2
crossed_11_2 = pd.crosstab(df_2022.categ_taille_entreprises, df_2022["Est-ce que l'activité commerciale principale de votre entreprise répond à un *enjeu social ou environnemental* ?"])
crossed_11_2 = crossed_11_2.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_11_2 = crossed_11_2.reindex(["Oui", "Non"], axis=1)
crossed_11_2


# Tableau croisé 11/2 en pourcentage
crossed_11_2_perc = pd.crosstab(df_2022.categ_taille_entreprises, df_2022["Est-ce que l'activité commerciale principale de votre entreprise répond à un *enjeu social ou environnemental* ?"], normalize='index')*100
crossed_11_2_perc = crossed_11_2_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_11_2_perc = crossed_11_2_perc.reindex(["Oui", "Non"], axis=1)
crossed_11_2_perc


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_11_2_perc.plot.bar(rot=0)
plt.legend(bbox_to_anchor=(1.7, 1))
plt.title("Proportion d'entreprises répondantes dont l'activité commerciale principale comprend un enjeu social ou environnementale en fonction de leur taille")

# Export fichier
plt.savefig("crossed_11_2_perc.svg", bbox_inches='tight')
files.download("crossed_11_2_perc.svg") 
plt.savefig("crossed_11_2_perc.png", bbox_inches='tight')
files.download("crossed_11_2_perc.png")


# Tableau croisé 11/7
crossed_11_7 = pd.crosstab(df_2022['Quel est le *budget annuel* mis à disposition de votre département RSE ?'], df_2022["Est-ce que l'activité commerciale principale de votre entreprise répond à un *enjeu social ou environnemental* ?"])
crossed_11_7 = crossed_11_7.drop("Je ne souhaite pas partager ce chiffre", axis=0)
crossed_11_7 = crossed_11_7.reindex(["Aucun budget",'De 1 à 5 000€','De 5 000 à 20 000€', 'De 20 000 à 50 000€', 'De 50 000 à 100 000€', "Plus de 100 000€"], axis=0)
crossed_11_7 = crossed_11_7.reindex(["Oui", "Non"], axis=1)
crossed_11_7


# Tableau croisé 11/7 en pourcentage
crossed_11_7_perc = crossed_11_7.div(crossed_11_7.sum(axis=1), axis=0)*100
crossed_11_7_perc = crossed_11_7_perc.reindex(["Aucun budget",'De 1 à 5 000€','De 5 000 à 20 000€', 'De 20 000 à 50 000€', 'De 50 000 à 100 000€', "Plus de 100 000€"], axis=0)
crossed_11_7_perc = crossed_11_7_perc.reindex(["Oui", "Non"], axis=1)
crossed_11_7_perc


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_11_7_perc.plot.bar(rot=90)
plt.legend(bbox_to_anchor=(1.7, 1))
plt.title("Proportion d'entreprises répondantes dont l'activité commerciale principale comprend un enjeu social ou environnementale en fonction de leur budget RSE")

# Export fichier
plt.savefig("crossed_11_7_perc.svg", bbox_inches='tight')
files.download("crossed_11_7_perc.svg") 
plt.savefig("crossed_11_7_perc.png", bbox_inches='tight')
files.download("crossed_11_7_perc.png")


# Sélection des données entreprises engagées
crossed_12_2 = df_2022[['categ_taille_entreprises', 'question_12_entreprise_mission',	'question_12_BCorp',	'question_12_Lucie',	'question_12_1%',	'question_12_esus']]
crossed_12_2 = crossed_12_2.replace(["Nous le sommes déjà"], 1)
crossed_12_2 = crossed_12_2.replace(["Nous sommes engagés dans le processus", "Nous y réfléchissons", "Je ne connais pas", "Pas du tout", "Non pertinent chez nous"], 0)

# Groupby par entreprises engagées
crossed_12_2 = crossed_12_2.groupby('categ_taille_entreprises').sum()
crossed_12_2 = crossed_12_2.reindex(["TPE", "PME", "ETI", "Grand groupe"])

# Pourcentage
crossed_12_2_perc = crossed_12_2.div(crossed_12_2.sum(axis=1), axis=0)*100

display(crossed_12_2.head())
display(crossed_12_2_perc.head())


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_12_2_perc.plot.bar(rot=0)
plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Questions 12&2 : Labels RSE en fonction de la taille des entreprises engagées")

# Export fichier
plt.savefig("crossed_12_2_perc.svg", bbox_inches='tight')
files.download("crossed_12_2_perc.svg") 
plt.savefig("crossed_12_2_perc.png", bbox_inches='tight')
files.download("crossed_12_2_perc.png")


add_crossed_12 = df_2022[["categ_taille_entreprises", 'question_12_entreprise_mission', 'question_12_BCorp',	'question_12_Lucie',	'question_12_1%',	'question_12_esus']]
display(add_crossed_12.head())


add_crossed_12 = add_crossed_12.replace(["Nous le sommes déjà"], 1)
add_crossed_12 = add_crossed_12.replace(["Nous sommes engagés dans le processus", "Nous y réfléchissons", "Je ne connais pas", "Pas du tout", "Non pertinent chez nous"], 0)
add_crossed_12.head()


add_crossed_12 = add_crossed_12.reset_index()
add_crossed_12.head()


col_list= ['question_12_entreprise_mission',	'question_12_BCorp',	'question_12_Lucie',	'question_12_1%','question_12_esus']
add_crossed_12['Sum'] = add_crossed_12[col_list].sum(axis=1)
add_crossed_12 = add_crossed_12[['categ_taille_entreprises', 'Sum']]
add_crossed_12


add_crossed_12["Sum"] = add_crossed_12["Sum"].astype(int)
add_crossed_12["Sum"] = add_crossed_12["Sum"].astype(str)
add_crossed_12.dtypes

categ_taille_entreprises    object
Sum                         object
dtype: object


add_crossed_12_vf = pd.crosstab(add_crossed_12['categ_taille_entreprises'], add_crossed_12['Sum'])
add_crossed_12_vf = add_crossed_12_vf.reindex(["TPE", "PME", "ETI", "Grand groupe"])
add_crossed_12_vf


add_crossed_12_2_vf_perc = add_crossed_12_vf.div(add_crossed_12_vf.sum(axis=1), axis=0)*100
add_crossed_12_2_vf_perc


sum_column = add_crossed_12_2_vf_perc["2"] + add_crossed_12_2_vf_perc["3"] + add_crossed_12_2_vf_perc["4"]
add_crossed_12_2_vf_perc["2+"] = sum_column
add_crossed_12_2_vf_perc = add_crossed_12_2_vf_perc[["0", "1", "2+"]]
add_crossed_12_2_vf_perc


# plot bar chart
add_crossed_12_2_vf_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Nb de labels en fonction de la taille de l'entreprise")

# Export fichier
plt.savefig("add_crossed_12_2_vf_perc.svg", bbox_inches='tight')
files.download("add_crossed_12_2_vf_perc.svg") 
plt.savefig("add_crossed_12_2_vf_perc.png", bbox_inches='tight')
files.download("add_crossed_12_2_vf_perc.png")


add_crossed_12bis = df_2022[["Quel est le *budget annuel* mis à disposition de votre département RSE ?", 'question_12_entreprise_mission', 'question_12_BCorp',	'question_12_Lucie',	'question_12_1%',	'question_12_esus']]
display(add_crossed_12bis.head())


add_crossed_12bis = add_crossed_12bis.replace(["Nous le sommes déjà"], 1)
add_crossed_12bis = add_crossed_12bis.replace(["Nous sommes engagés dans le processus", "Nous y réfléchissons", "Je ne connais pas", "Pas du tout", "Non pertinent chez nous"], 0)
add_crossed_12bis.head()


add_crossed_12bis = add_crossed_12bis.reset_index()
add_crossed_12bis.head()


col_list2= ['question_12_entreprise_mission',	'question_12_BCorp',	'question_12_Lucie',	'question_12_1%','question_12_esus']
add_crossed_12bis['Sum'] = add_crossed_12bis[col_list2].sum(axis=1)
add_crossed_12bis = add_crossed_12bis[['Quel est le *budget annuel* mis à disposition de votre département RSE ?', 'Sum']]
add_crossed_12bis


add_crossed_12bis["Sum"] = add_crossed_12bis["Sum"].astype(int)
add_crossed_12bis["Sum"] = add_crossed_12bis["Sum"].astype(str)
add_crossed_12bis.dtypes

/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:1: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:2: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

Quel est le *budget annuel* mis à disposition de votre département RSE ?    object
Sum                                                                         object
dtype: object


add_crossed_12bis_vf = pd.crosstab(add_crossed_12bis['Quel est le *budget annuel* mis à disposition de votre département RSE ?'], add_crossed_12bis['Sum'])
add_crossed_12bis_vf = add_crossed_12bis_vf.reindex(["Aucun budget",'De 1 à 5 000€','De 5 000 à 20 000€', 'De 20 000 à 50 000€', 'De 50 000 à 100 000€', "Plus de 100 000€"])
add_crossed_12bis_vf


add_crossed_12bis_vf_perc = add_crossed_12bis_vf.div(add_crossed_12bis_vf.sum(axis=1), axis=0)*100
add_crossed_12bis_vf_perc


sum_column = add_crossed_12bis_vf_perc["2"] + add_crossed_12bis_vf_perc["3"] + add_crossed_12bis_vf_perc["4"]
add_crossed_12bis_vf_perc["2+"] = sum_column
add_crossed_12_budget_vf_perc = add_crossed_12bis_vf_perc[["0", "1", "2+"]]
add_crossed_12_budget_vf_perc


# plot bar chart
add_crossed_12_budget_vf_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Nb de labels en fonction de la taille de l'entreprise")

# Export fichier
plt.savefig("add_crossed_12_budget_vf_perc.svg", bbox_inches='tight')
files.download("add_crossed_12_budget_vf_perc.svg") 
plt.savefig("add_crossed_12_budget_vf_perc.png", bbox_inches='tight')
files.download("add_crossed_12_budget_vf_perc.png")


# Sélection des données entreprises engagées
crossed_12_7 = df_2022[["Quel est le *budget annuel* mis à disposition de votre département RSE ?", 'question_12_entreprise_mission',	'question_12_BCorp',	'question_12_Lucie',	'question_12_1%',	'question_12_esus']]
crossed_12_7 = crossed_12_7.replace(["Nous le sommes déjà"], 1)
crossed_12_7 = crossed_12_7.replace(["Nous sommes engagés dans le processus", "Nous y réfléchissons", "Je ne connais pas", "Pas du tout", "Non pertinent chez nous"], 0)

# Groupby par entreprises engagées
crossed_12_7 = crossed_12_7.groupby("Quel est le *budget annuel* mis à disposition de votre département RSE ?").sum()
crossed_12_7 = crossed_12_7.drop("Je ne souhaite pas partager ce chiffre", axis=0)
crossed_12_7 = crossed_12_7.reindex(["Aucun budget",'De 1 à 5 000€','De 5 000 à 20 000€', 'De 20 000 à 50 000€', 'De 50 000 à 100 000€', "Plus de 100 000€"])

# Pourcentage
crossed_12_7_perc = crossed_12_7.div(crossed_12_7.sum(axis=1), axis=0)*100

display(crossed_12_7)
display(crossed_12_7_perc.head())


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_12_7_perc.plot.bar(rot=90)
plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Questions 12&7 : Labels RSE en fonction du budget des entreprises engagées")

# Export fichier
plt.savefig("crossed_12_7_perc.svg", bbox_inches='tight')
files.download("crossed_12_7_perc.svg") 
plt.savefig("crossed_12_7_perc.png", bbox_inches='tight')
files.download("crossed_12_7_perc.png")


# Sélection des données entreprises engagées
crossed_12_4 = df_2022[["equipe_RSE", 'question_12_entreprise_mission',	'question_12_BCorp',	'question_12_Lucie',	'question_12_1%',	'question_12_esus']]
crossed_12_4 = crossed_12_4.replace(["Nous le sommes déjà"], 1)
crossed_12_4 = crossed_12_4.replace(["Nous sommes engagés dans le processus", "Nous y réfléchissons", "Je ne connais pas", "Pas du tout", "Non pertinent chez nous"], 0)

# Groupby par entreprises engagées
crossed_12_4 = crossed_12_4.groupby("equipe_RSE").sum()
crossed_12_4 = crossed_12_4.reindex(["1-2",	"3-5",	"6-10",	">10",	"Il n'y a pas d'équipe dédiée"])

# Pourcentage
crossed_12_4_perc = crossed_12_4.div(crossed_12_4.sum(axis=1), axis=0)*100

display(crossed_12_4)
display(crossed_12_4_perc.head())


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_12_4_perc.plot.bar(rot=90)
plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Questions 12&4 : Labels RSE en fonction de la taille des équipes RSE des entreprises engagées")

# Export fichier
plt.savefig("crossed_12_4_perc.svg", bbox_inches='tight')
files.download("crossed_12_4_perc.svg") 
plt.savefig("crossed_12_4_perc.png", bbox_inches='tight')
files.download("crossed_12_4_perc.png")


crossed_13_2 = df_2022[['categ_taille_entreprises','question_13_marque_employ', 'question_13_image', 'question_13_urgence','question_13_invest', 'question_13_volonte', 'question_13_legales']]
crossed_13_2.head()


# Pour les TPE
crossed_13_2_tpe = crossed_13_2.loc[crossed_13_2['categ_taille_entreprises'] == 'TPE']
crossed_13_2_tpe = crossed_13_2_tpe[['question_13_marque_employ', 'question_13_image', 'question_13_urgence','question_13_invest', 'question_13_volonte', 'question_13_legales']]

# Pivot de la table
crossed_13_2_tpe = crossed_13_2_tpe.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_13_2_tpe = crossed_13_2_tpe.reset_index()
crossed_13_2_tpe.rename(columns={'index':'Degré motivation'}, inplace=True)
crossed_13_2_tpe = crossed_13_2_tpe.pivot_table(columns='Degré motivation')
crossed_13_2_tpe = crossed_13_2_tpe.drop("Non pertinent", axis=1)
crossed_13_2_tpe = crossed_13_2_tpe.reindex(["Pas important", "Peu Important", "Important", "Très important"], axis=1)
display(crossed_13_2_tpe)

# Important Y/N
crossed_13_2_tpe['Oui'] = crossed_13_2_tpe['Important'] + crossed_13_2_tpe['Très important']
crossed_13_2_tpe['Non'] = crossed_13_2_tpe['Pas important'] + crossed_13_2_tpe['Peu Important']
crossed_13_2_tpe = crossed_13_2_tpe[['Oui', 'Non']]
display(crossed_13_2_tpe)

# En pourcentage
crossed_13_2_tpe_perc = crossed_13_2_tpe.div(crossed_13_2_tpe.sum(axis=1), axis=0)*100
crossed_13_2_tpe_perc = crossed_13_2_tpe_perc.sort_values(by="Oui")
display(crossed_13_2_tpe_perc)

# plot bar chart
crossed_13_2_tpe_perc.plot(kind='bar')
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Motivation des politiques RSE dans les TPE")

# Export fichier
plt.savefig("crossed_13_2_tpe_perc.svg", bbox_inches='tight')
files.download("crossed_13_2_tpe_perc.svg") 
plt.savefig("crossed_13_2_tpe_perc.png", bbox_inches='tight')
files.download("crossed_13_2_tpe_perc.png")


# Pour les PME
crossed_13_2_pme = crossed_13_2.loc[crossed_13_2['categ_taille_entreprises'] == 'PME']
crossed_13_2_pme = crossed_13_2_pme[['question_13_marque_employ', 'question_13_image', 'question_13_urgence','question_13_invest', 'question_13_volonte', 'question_13_legales']]

# Pivot de la table
crossed_13_2_pme = crossed_13_2_pme.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_13_2_pme = crossed_13_2_pme.reset_index()
crossed_13_2_pme.rename(columns={'index':'Degré motivation'}, inplace=True)
crossed_13_2_pme = crossed_13_2_pme.pivot_table(columns='Degré motivation')
crossed_13_2_pme = crossed_13_2_pme.drop("Non pertinent", axis=1)
crossed_13_2_pme = crossed_13_2_pme.reindex(["Pas important", "Peu Important", "Important", "Très important"], axis=1)
display(crossed_13_2_pme)

# Important Y/N
crossed_13_2_pme['Oui'] = crossed_13_2_pme['Important'] + crossed_13_2_pme['Très important']
crossed_13_2_pme['Non'] = crossed_13_2_pme['Pas important'] + crossed_13_2_pme['Peu Important']
crossed_13_2_pme = crossed_13_2_pme[['Oui', 'Non']]
display(crossed_13_2_pme)

# En pourcentage
crossed_13_2_pme_perc = crossed_13_2_pme.div(crossed_13_2_pme.sum(axis=1), axis=0)*100
crossed_13_2_pme_perc = crossed_13_2_pme_perc.sort_values(by="Oui")
display(crossed_13_2_pme_perc)

# plot bar chart
crossed_13_2_pme_perc.plot(kind='bar')
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Motivation des politiques RSE dans les PME")

# Export fichier
plt.savefig("crossed_13_2_pme_perc.svg", bbox_inches='tight')
files.download("crossed_13_2_pme_perc.svg") 
plt.savefig("crossed_13_2_pme_perc.png", bbox_inches='tight')
files.download("crossed_13_2_pme_perc.png")


# Pour les ETI
crossed_13_2_eti = crossed_13_2.loc[crossed_13_2['categ_taille_entreprises'] == 'ETI']
crossed_13_2_eti = crossed_13_2_eti[['question_13_marque_employ', 'question_13_image', 'question_13_urgence','question_13_invest', 'question_13_volonte', 'question_13_legales']]

# Pivot de la table
crossed_13_2_eti = crossed_13_2_eti.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_13_2_eti = crossed_13_2_eti.reset_index()
crossed_13_2_eti.rename(columns={'index':'Degré motivation'}, inplace=True)
crossed_13_2_eti = crossed_13_2_eti.pivot_table(columns='Degré motivation')
crossed_13_2_eti = crossed_13_2_eti.drop("Non pertinent", axis=1)
crossed_13_2_eti = crossed_13_2_eti.reindex(["Pas important", "Peu Important", "Important", "Très important"], axis=1)
display(crossed_13_2_eti)

# Important Y/N
crossed_13_2_eti['Oui'] = crossed_13_2_eti['Important'] + crossed_13_2_eti['Très important']
crossed_13_2_eti['Non'] = crossed_13_2_eti['Pas important'] + crossed_13_2_eti['Peu Important']
crossed_13_2_eti = crossed_13_2_eti[['Oui', 'Non']]
display(crossed_13_2_eti)

# En pourcentage
crossed_13_2_eti_perc = crossed_13_2_eti.div(crossed_13_2_eti.sum(axis=1), axis=0)*100
crossed_13_2_eti_perc = crossed_13_2_eti_perc.sort_values(by="Oui")
display(crossed_13_2_eti_perc)

# plot bar chart
crossed_13_2_eti_perc.plot(kind='bar')
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Motivation des politiques RSE dans les ETI")

# Export fichier
plt.savefig("crossed_13_2_eti_perc.svg", bbox_inches='tight')
files.download("crossed_13_2_eti_perc.svg") 
plt.savefig("crossed_13_2_eti_perc.png", bbox_inches='tight')
files.download("crossed_13_2_eti_perc.png")


# Pour les grands groupes
crossed_13_2_gg = crossed_13_2.loc[crossed_13_2['categ_taille_entreprises'] == 'Grand groupe']
crossed_13_2_gg = crossed_13_2_gg[['question_13_marque_employ', 'question_13_image', 'question_13_urgence','question_13_invest', 'question_13_volonte', 'question_13_legales']]

# Pivot de la table
crossed_13_2_gg = crossed_13_2_gg.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_13_2_gg = crossed_13_2_gg.reset_index()
crossed_13_2_gg.rename(columns={'index':'Degré motivation'}, inplace=True)
crossed_13_2_gg = crossed_13_2_gg.pivot_table(columns='Degré motivation')
crossed_13_2_gg = crossed_13_2_gg.drop("Non pertinent", axis=1)
crossed_13_2_gg = crossed_13_2_gg.reindex(["Pas important", "Peu Important", "Important", "Très important"], axis=1)
display(crossed_13_2_gg)

# Important Y/N
crossed_13_2_gg['Oui'] = crossed_13_2_gg['Important'] + crossed_13_2_gg['Très important']
crossed_13_2_gg['Non'] = crossed_13_2_gg['Pas important'] + crossed_13_2_gg['Peu Important']
crossed_13_2_gg = crossed_13_2_gg[['Oui', 'Non']]
display(crossed_13_2_gg)

# En pourcentage
crossed_13_2_gg_perc = crossed_13_2_gg.div(crossed_13_2_gg.sum(axis=1), axis=0)*100
crossed_13_2_gg_perc = crossed_13_2_gg_perc.sort_values(by="Oui")
display(crossed_13_2_gg_perc)

# plot bar chart
crossed_13_2_gg_perc.plot(kind='bar')
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Motivation des politiques RSE dans les Grands groupes")

# Export fichier
plt.savefig("crossed_13_2_gg_perc.svg", bbox_inches='tight')
files.download("crossed_13_2_gg_perc.svg") 
plt.savefig("crossed_13_2_gg_perc.png", bbox_inches='tight')
files.download("crossed_13_2_gg_perc.png")


crossed_14_2 = df_2022[['categ_taille_entreprises','question_14_temps', 'question_14_budget', 'question_14_equipe', 'question_14_connaissance', 'question_14_m_management','question_14_direction', 'question_14_ope', 'question_14_long_terme','question_14_impact']]
crossed_14_2.head()


# Pour les TPE
crossed_14_2_tpe = crossed_14_2.loc[crossed_14_2['categ_taille_entreprises'] == 'TPE']
crossed_14_2_tpe = crossed_14_2_tpe[['question_14_temps', 'question_14_budget', 'question_14_equipe', 'question_14_connaissance', 'question_14_m_management','question_14_direction', 'question_14_ope', 'question_14_long_terme','question_14_impact']]

# Pivot de la table
crossed_14_2_tpe = crossed_14_2_tpe.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_14_2_tpe = crossed_14_2_tpe.reset_index()
crossed_14_2_tpe.rename(columns={'index':'Freins'}, inplace=True)
crossed_14_2_tpe = crossed_14_2_tpe.pivot_table(columns='Freins')
crossed_14_2_tpe = crossed_14_2_tpe.drop("Non pertinent", axis=1)
crossed_14_2_tpe = crossed_14_2_tpe.reindex(["Pas important", "Peu Important", "Important", "Très important"], axis=1)

# Important Y/N
crossed_14_2_tpe['Oui'] = crossed_14_2_tpe['Important'] + crossed_14_2_tpe['Très important']
crossed_14_2_tpe['Non'] = crossed_14_2_tpe['Pas important'] + crossed_14_2_tpe['Peu Important']
crossed_14_2_tpe = crossed_14_2_tpe[['Oui', 'Non']]
display(crossed_14_2_tpe)

# En pourcentage
crossed_14_2_tpe_perc = crossed_14_2_tpe.div(crossed_14_2_tpe.sum(axis=1), axis=0)*100
crossed_14_2_tpe_perc = crossed_14_2_tpe_perc.sort_values(by="Oui")
display(crossed_14_2_tpe_perc)

# plot bar chart
crossed_14_2_tpe_perc.plot(kind='bar')
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Freins des politiques RSE dans les TPE")

# Export fichier
plt.savefig("crossed_14_2_tpe_perc.svg", bbox_inches='tight')
files.download("crossed_14_2_tpe_perc.svg") 
plt.savefig("crossed_14_2_tpe_perc.png", bbox_inches='tight')
files.download("crossed_14_2_tpe_perc.png")


# Pour les PME
crossed_14_2_pme = crossed_14_2.loc[crossed_14_2['categ_taille_entreprises'] == 'PME']
crossed_14_2_pme = crossed_14_2_pme[['question_14_temps', 'question_14_budget', 'question_14_equipe', 'question_14_connaissance', 'question_14_m_management','question_14_direction', 'question_14_ope', 'question_14_long_terme','question_14_impact']]

# Pivot de la table
crossed_14_2_pme = crossed_14_2_pme.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_14_2_pme = crossed_14_2_pme.reset_index()
crossed_14_2_pme.rename(columns={'index':'Freins'}, inplace=True)
crossed_14_2_pme = crossed_14_2_pme.pivot_table(columns='Freins')
crossed_14_2_pme = crossed_14_2_pme.drop("Non pertinent", axis=1)
crossed_14_2_pme = crossed_14_2_pme.reindex(["Pas important", "Peu Important", "Important", "Très important"], axis=1)

# Important Y/N
crossed_14_2_pme['Oui'] = crossed_14_2_pme['Important'] + crossed_14_2_pme['Très important']
crossed_14_2_pme['Non'] = crossed_14_2_pme['Pas important'] + crossed_14_2_pme['Peu Important']
crossed_14_2_pme = crossed_14_2_pme[['Oui', 'Non']]
display(crossed_14_2_pme)

# En pourcentage
crossed_14_2_pme_perc = crossed_14_2_pme.div(crossed_14_2_pme.sum(axis=1), axis=0)*100
crossed_14_2_pme_perc = crossed_14_2_pme_perc.sort_values(by="Oui")
display(crossed_14_2_pme_perc)

# plot bar chart
crossed_14_2_pme_perc.plot(kind='bar')
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Freins des politiques RSE dans les PME")

# Export fichier
plt.savefig("crossed_14_2_pme_perc.svg", bbox_inches='tight')
files.download("crossed_14_2_pme_perc.svg") 
plt.savefig("crossed_14_2_pme_perc.png", bbox_inches='tight')
files.download("crossed_14_2_pme_perc.png")


# Pour les ETI
crossed_14_2_eti = crossed_14_2.loc[crossed_14_2['categ_taille_entreprises'] == 'ETI']
crossed_14_2_eti = crossed_14_2_eti[['question_14_temps', 'question_14_budget', 'question_14_equipe', 'question_14_connaissance', 'question_14_m_management','question_14_direction', 'question_14_ope', 'question_14_long_terme','question_14_impact']]

# Pivot de la table
crossed_14_2_eti = crossed_14_2_eti.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_14_2_eti = crossed_14_2_eti.reset_index()
crossed_14_2_eti.rename(columns={'index':'Freins'}, inplace=True)
crossed_14_2_eti = crossed_14_2_eti.pivot_table(columns='Freins')
crossed_14_2_eti = crossed_14_2_eti.drop("Non pertinent", axis=1)
crossed_14_2_eti = crossed_14_2_eti.reindex(["Pas important", "Peu Important", "Important", "Très important"], axis=1)

# Important Y/N
crossed_14_2_eti['Oui'] = crossed_14_2_eti['Important'] + crossed_14_2_eti['Très important']
crossed_14_2_eti['Non'] = crossed_14_2_eti['Pas important'] + crossed_14_2_eti['Peu Important']
crossed_14_2_eti = crossed_14_2_eti[['Oui', 'Non']]
display(crossed_14_2_eti)

# En pourcentage
crossed_14_2_eti_perc = crossed_14_2_eti.div(crossed_14_2_eti.sum(axis=1), axis=0)*100
crossed_14_2_eti_perc = crossed_14_2_eti_perc.sort_values(by="Oui")
display(crossed_14_2_eti_perc)

# plot bar chart
crossed_14_2_eti_perc.plot(kind='bar')
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Freins des politiques RSE dans les ETI")

# Export fichier
plt.savefig("crossed_14_2_eti_perc.svg", bbox_inches='tight')
files.download("crossed_14_2_eti_perc.svg") 
plt.savefig("crossed_14_2_eti_perc.png", bbox_inches='tight')
files.download("crossed_14_2_eti_perc.png")


# Pour les Grands groupes
crossed_14_2_gg = crossed_14_2.loc[crossed_14_2['categ_taille_entreprises'] == 'Grand groupe']
crossed_14_2_gg = crossed_14_2_gg[['question_14_temps', 'question_14_budget', 'question_14_equipe', 'question_14_connaissance', 'question_14_m_management','question_14_direction', 'question_14_ope', 'question_14_long_terme','question_14_impact']]

# Pivot de la table
crossed_14_2_gg = crossed_14_2_gg.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_14_2_gg = crossed_14_2_gg.reset_index()
crossed_14_2_gg.rename(columns={'index':'Freins'}, inplace=True)
crossed_14_2_gg = crossed_14_2_gg.pivot_table(columns='Freins')
crossed_14_2_gg = crossed_14_2_gg.drop("Non pertinent", axis=1)
crossed_14_2_gg = crossed_14_2_gg.reindex(["Pas important", "Peu Important", "Important", "Très important"], axis=1)

# Important Y/N
crossed_14_2_gg['Oui'] = crossed_14_2_gg['Important'] + crossed_14_2_gg['Très important']
crossed_14_2_gg['Non'] = crossed_14_2_gg['Pas important'] + crossed_14_2_gg['Peu Important']
crossed_14_2_gg = crossed_14_2_gg[['Oui', 'Non']]
display(crossed_14_2_gg)

# En pourcentage
crossed_14_2_gg_perc = crossed_14_2_gg.div(crossed_14_2_gg.sum(axis=1), axis=0)*100
crossed_14_2_gg_perc = crossed_14_2_gg_perc.sort_values(by="Oui")
display(crossed_14_2_gg_perc)

# plot bar chart
crossed_14_2_gg_perc.plot(kind='bar')
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Freins des politiques RSE dans les grands groupes")

# Export fichier
plt.savefig("crossed_14_2_gg_perc.svg", bbox_inches='tight')
files.download("crossed_14_2_gg_perc.svg") 
plt.savefig("crossed_14_2_gg_perc.png", bbox_inches='tight')
files.download("crossed_14_2_gg_perc.png")


df_2022['question_36_dons'].value_counts()

Ce n'est pas prévu                   358
Nous le faisons déjà                 195
Nous réfléchissons à nous engager    130
Name: question_36_dons, dtype: int64


import pandas as pd

# Sélection des colonnes pertinentes pour la question 10
question_36 = df_2022[['question_36_mecenat', 'question_36_collects', 'question_36_mentorat', 'question_36_missions', 'question_36_dons', 'question_36_projet', 'question_36_events', 'question_36_teamB']]
display(question_36.head())

# Pivot de la table
question_36 = question_36.apply(pd.Series.value_counts).fillna(0).astype(int)

# Renommage de la première colonne et pivot
question_36 = question_36.reset_index()
question_36.rename(columns={'index':'Réponse'}, inplace=True)
question_36 = question_36.pivot_table(columns='Réponse')
question_36 = question_36.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)

question_36


question_36


question_36_perc = question_36.div(question_36.sum(axis=1), axis=0)*100
question_36_perc = question_36_perc.sort_values(by='Nous le faisons déjà', ascending=True)
display(question_36_perc)

question_36_perc.plot(kind='barh', stacked=True)

plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Principales actions d'engagement ou non chez les collaborateurs")
plt.xlabel("Actions")
plt.ylabel("Pourcentage cumulé")

# Export fichier
#plt.savefig("question_36_perc_2022.svg", bbox_inches='tight')
#files.download("question_36_perc_2022.svg") 
#plt.savefig("question_36_perc_2022.png", bbox_inches='tight')
#files.download("question_36_perc_2022.png") 

plt.show()


df_2022['question_37_aide'].value_counts()

Ce n'est pas prévu                   398
Nous menons quelques actions         161
Nous réfléchissons à nous engager     79
C’est un axe clé                      32
Name: question_37_aide, dtype: int64


import pandas as pd

# Sélection des colonnes pertinentes pour la question 10
question_37 = df_2022[['question_37_aide', 'question_37_art', 'question_37_education', 'question_37_egalite', 'question_37_emploi', 'question_37_entreprenariat', 'question_37_environnement', 'question_37_handicap', 'question_37_lien', 'question_37_lutte', 'question_37_pauvrete', 'question_37_protection', 'question_37_sante', 'question_37_solidarite']]
display(question_37.head())

# Pivot de la table
question_37 = question_37.apply(pd.Series.value_counts).fillna(0).astype(int)

# Renommage de la première colonne et pivot
question_37 = question_37.reset_index()
question_37.rename(columns={'index':'Réponse'}, inplace=True)
question_37 = question_37.pivot_table(columns='Réponse')
question_37 = question_37.reindex(["C’est un axe clé", "Nous menons quelques actions", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)

display(question_37)


display(question_37)


question_37_perc = question_37.div(question_37.sum(axis=1), axis=0)*100
question_37_perc = question_37_perc.sort_values(by="C’est un axe clé", ascending=True)
display(question_37_perc)

question_37_perc.plot(kind='barh', stacked=True)

plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Principales causes soutenues")
plt.xlabel("Causes")
plt.ylabel("Pourcentage cumulé")

# Export fichier
#plt.savefig("question_37_perc_2022.svg", bbox_inches='tight')
#files.download("question_37_perc_2022.svg") 
#plt.savefig("question_37_perc_2022.png", bbox_inches='tight')
#files.download("question_37_perc_2022.png") 

plt.show()


# Tableau croisé 34/2
crossed_34_2 = pd.crosstab(df_2022.categ_taille_entreprises, df_2022["Avez-vous déjà mis en place des *actions d’engagement solidaire *ou de *philanthropie *?"])
crossed_34_2 = crossed_34_2.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_34_2 = crossed_34_2.reindex(["Oui", "Non, mais nous souhaitons nous lancer", "Non, ce n’est pas dans nos projets"], axis=1)
crossed_34_2


# Tableau croisé 34/2 en pourcentage
crossed_34_2_perc = pd.crosstab(df_2022.categ_taille_entreprises, df_2022["Avez-vous déjà mis en place des *actions d’engagement solidaire *ou de *philanthropie *?"], normalize='index')*100
crossed_34_2_perc = crossed_34_2_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_34_2_perc = crossed_34_2_perc.reindex(["Oui", "Non, mais nous souhaitons nous lancer", "Non, ce n’est pas dans nos projets"], axis=1)
crossed_34_2_perc


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_34_2_perc.plot.bar(rot=0, stacked=True)
plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Questions 34&2 : Part d'entreprises ayant déjà mis en place des actions d'engagement solidaire / de philanthropie en fonction de leur taille")

# Export fichier
#plt.savefig("crossed_34_2_perc.svg", bbox_inches='tight')
#files.download("crossed_34_2_perc.svg") 
#plt.savefig("crossed_34_2_perc.png", bbox_inches='tight')
#files.download("crossed_34_2_perc.png") 

plt.show()


df_2022["Accordez-vous un *crédit de jour d’engagement* à vos collaborateurs pour leur permettre de s’engager sur leur temps de travail ? Si oui, combien de jours par an ?"].value_counts()

Non, ce n’est pas prévu                         339
Non, mais nous souhaitons le mettre en place    205
Oui, 1 jour                                      74
Oui, entre 2 et 3 jours                          44
Oui, plus de 3 jours                             42
Name: Accordez-vous un *crédit de jour d’engagement* à vos collaborateurs pour leur permettre de s’engager sur leur temps de travail ? Si oui, combien de jours par an ?, dtype: int64


# Tableau croisé 34/2
crossed_35_2 = pd.crosstab(df_2022.categ_taille_entreprises, df_2022["Accordez-vous un *crédit de jour d’engagement* à vos collaborateurs pour leur permettre de s’engager sur leur temps de travail ? Si oui, combien de jours par an ?"])
crossed_35_2 = crossed_35_2.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_35_2 = crossed_35_2.reindex(["Oui, plus de 3 jours", "Oui, entre 2 et 3 jours", "Oui, 1 jour", "Non, mais nous souhaitons le mettre en place", "Non, ce n’est pas prévu"], axis=1)
crossed_35_2


# Tableau croisé 34/2 en pourcentage
crossed_35_2_perc = pd.crosstab(df_2022.categ_taille_entreprises, df_2022["Accordez-vous un *crédit de jour d’engagement* à vos collaborateurs pour leur permettre de s’engager sur leur temps de travail ? Si oui, combien de jours par an ?"], normalize='index')*100
crossed_35_2_perc = crossed_35_2_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
crossed_35_2_perc = crossed_35_2_perc.reindex(["Oui, plus de 3 jours", "Oui, entre 2 et 3 jours", "Oui, 1 jour", "Non, mais nous souhaitons le mettre en place", "Non, ce n’est pas prévu"], axis=1)
crossed_35_2_perc


import matplotlib.pyplot as plt

# plot grouped bar chart
crossed_35_2_perc.plot.bar(rot=0, stacked=True)
plt.legend(bbox_to_anchor=(1.05, 1))
plt.title("Questions 35&2 : Part d'entreprises accordant un crédit de jours d'engagement solidaire à leurs équipes en fonction de leur taille")

# Export fichier
#plt.savefig("crossed_35_2_perc.svg", bbox_inches='tight')
#files.download("crossed_35_2_perc.svg") 
#plt.savefig("crossed_35_2_perc.png", bbox_inches='tight')
#files.download("crossed_35_2_perc.png") 

plt.show()


crossed_36_2 = df_2022[['categ_taille_entreprises','question_36_mecenat','question_36_collects','question_36_mentorat','question_36_missions','question_36_dons','question_36_projet','question_36_events','question_36_teamB']]
crossed_36_2.head()


# Pour les TPE
crossed_36_2_tpe = crossed_36_2.loc[crossed_36_2['categ_taille_entreprises'] == 'TPE']
crossed_36_2_tpe = crossed_36_2_tpe[['question_36_mecenat','question_36_collects','question_36_mentorat','question_36_missions','question_36_dons','question_36_projet','question_36_events','question_36_teamB']]

# Pivot de la table
crossed_36_2_tpe = crossed_36_2_tpe.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_36_2_tpe = crossed_36_2_tpe.reset_index()
crossed_36_2_tpe.rename(columns={'index':'Actions'}, inplace=True)
crossed_36_2_tpe = crossed_36_2_tpe.pivot_table(columns='Actions')
crossed_36_2_tpe = crossed_36_2_tpe.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)
display(crossed_36_2_tpe)

# En pourcentage
crossed_36_2_tpe_perc = crossed_36_2_tpe.div(crossed_36_2_tpe.sum(axis=1), axis=0)*100
crossed_36_2_tpe_perc = crossed_36_2_tpe_perc.sort_values(by="Nous le faisons déjà")
display(crossed_36_2_tpe_perc)

# plot bar chart
crossed_36_2_tpe_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Type d'actions sociétales les plus (ou moins) réalisées dans les TPE")
plt.show()
# Export fichier
#plt.savefig("crossed_36_2_tpe_perc.svg", bbox_inches='tight')
#files.download("crossed_36_2_tpe_perc.svg") 
#plt.savefig("crossed_36_2_tpe_perc.png", bbox_inches='tight')
#files.download("crossed_36_2_tpe_perc.png")


display(crossed_36_2_tpe_perc)


# Pour les PME
crossed_36_2_pme = crossed_36_2.loc[crossed_36_2['categ_taille_entreprises'] == 'PME']
crossed_36_2_pme = crossed_36_2_pme[['question_36_mecenat','question_36_collects','question_36_mentorat','question_36_missions','question_36_dons','question_36_projet','question_36_events','question_36_teamB']]

# Pivot de la table
crossed_36_2_pme = crossed_36_2_pme.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_36_2_pme = crossed_36_2_pme.reset_index()
crossed_36_2_pme.rename(columns={'index':'Actions'}, inplace=True)
crossed_36_2_pme = crossed_36_2_pme.pivot_table(columns='Actions')
crossed_36_2_pme = crossed_36_2_pme.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)


# En pourcentage
crossed_36_2_pme_perc = crossed_36_2_pme.div(crossed_36_2_pme.sum(axis=1), axis=0)*100
crossed_36_2_pme_perc = crossed_36_2_pme_perc.sort_values(by="Nous le faisons déjà")
display(crossed_36_2_pme_perc)

# plot bar chart
crossed_36_2_pme_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Type d'actions sociétales les plus (ou moins) réalisées dans les PME")

# Export fichier
#plt.savefig("crossed_36_2_pme_perc.svg", bbox_inches='tight')
#files.download("crossed_36_2_pme_perc.svg") 
#plt.savefig("crossed_36_2_pme_perc.png", bbox_inches='tight')
#files.download("crossed_36_2_pme_perc.png")

Text(0.5, 1.0, "Type d'actions sociétales les plus (ou moins) réalisées dans les PME")


display(crossed_36_2_pme)


# Pour les ETI
crossed_36_2_eti = crossed_36_2.loc[crossed_36_2['categ_taille_entreprises'] == 'ETI']
crossed_36_2_eti = crossed_36_2_eti[['question_36_mecenat','question_36_collects','question_36_mentorat','question_36_missions','question_36_dons','question_36_projet','question_36_events','question_36_teamB']]

# Pivot de la table
crossed_36_2_eti = crossed_36_2_eti.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_36_2_eti = crossed_36_2_eti.reset_index()
crossed_36_2_eti.rename(columns={'index':'Actions'}, inplace=True)
crossed_36_2_eti = crossed_36_2_eti.pivot_table(columns='Actions')
crossed_36_2_eti = crossed_36_2_eti.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)


# En pourcentage
crossed_36_2_eti_perc = crossed_36_2_eti.div(crossed_36_2_eti.sum(axis=1), axis=0)*100
crossed_36_2_eti_perc = crossed_36_2_eti_perc.sort_values(by="Nous le faisons déjà")
display(crossed_36_2_eti_perc)

# plot bar chart
crossed_36_2_eti_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Type d'actions sociétales les plus (ou moins) réalisées dans les ETI")

# Export fichier
#plt.savefig("crossed_36_2_eti_perc.svg", bbox_inches='tight')
#files.download("crossed_36_2_eti_perc.svg") 
#plt.savefig("crossed_36_2_eti_perc.png", bbox_inches='tight')
#files.download("crossed_36_2_eti_perc.png")

Text(0.5, 1.0, "Type d'actions sociétales les plus (ou moins) réalisées dans les ETI")


display(crossed_36_2_eti)


# Pour les GG
crossed_36_2_gg = crossed_36_2.loc[crossed_36_2['categ_taille_entreprises'] == 'Grand groupe']
crossed_36_2_gg = crossed_36_2_gg[['question_36_mecenat','question_36_collects','question_36_mentorat','question_36_missions','question_36_dons','question_36_projet','question_36_events','question_36_teamB']]

# Pivot de la table
crossed_36_2_gg = crossed_36_2_gg.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_36_2_gg = crossed_36_2_gg.reset_index()
crossed_36_2_gg.rename(columns={'index':'Actions'}, inplace=True)
crossed_36_2_gg = crossed_36_2_gg.pivot_table(columns='Actions')
crossed_36_2_gg = crossed_36_2_gg.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)


# En pourcentage
crossed_36_2_gg_perc = crossed_36_2_gg.div(crossed_36_2_gg.sum(axis=1), axis=0)*100
crossed_36_2_gg_perc = crossed_36_2_gg_perc.sort_values(by="Nous le faisons déjà")
display(crossed_36_2_gg_perc)

# plot bar chart
crossed_36_2_gg_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Type d'actions sociétales les plus (ou moins) réalisées dans les Grands groupes")

# Export fichier
#plt.savefig("crossed_36_2_gg_perc.svg", bbox_inches='tight')
#files.download("crossed_36_2_gg_perc.svg") 
#plt.savefig("crossed_36_2_gg_perc.png", bbox_inches='tight')
#files.download("crossed_36_2_gg_perc.png")

Text(0.5, 1.0, "Type d'actions sociétales les plus (ou moins) réalisées dans les Grands groupes")


display(crossed_36_2_gg)


mecenat_taille_ent = df_2022[['categ_taille_entreprises', 'question_36_mecenat']]
mecenat_taille_ent.head()


# Tableau croisé 36.1/2
mecenat_taille_ent = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.question_36_mecenat)
mecenat_taille_ent = mecenat_taille_ent.reindex(["TPE", "PME", "ETI", "Grand groupe"])
mecenat_taille_ent = mecenat_taille_ent.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)
mecenat_taille_ent

# En pourcentage
mecenat_taille_ent_perc = mecenat_taille_ent.div(mecenat_taille_ent.sum(axis=1), axis=0)*100
mecenat_taille_ent_perc = mecenat_taille_ent_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
display(mecenat_taille_ent_perc)

# plot bar chart
mecenat_taille_ent_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Degré d'avancement des entreprises répondantes sur le mécénat de compétences en fonction de leur taille")

Text(0.5, 1.0, "Degré d'avancement des entreprises répondantes sur le mécénat de compétences en fonction de leur taille")


mecenat_taille_ent


collect_taille_ent = df_2022[['categ_taille_entreprises', 'question_36_collects']]
collect_taille_ent.head()


# Tableau croisé 36.2/2
collect_taille_ent = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.question_36_collects)
collect_taille_ent = collect_taille_ent.reindex(["TPE", "PME", "ETI", "Grand groupe"])
collect_taille_ent = collect_taille_ent.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)
collect_taille_ent

# En pourcentage
collect_taille_ent_perc = collect_taille_ent.div(collect_taille_ent.sum(axis=1), axis=0)*100
collect_taille_ent_perc = collect_taille_ent_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
display(collect_taille_ent_perc)

# plot bar chart
collect_taille_ent_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Degré d'avancement des entreprises répondantes sur les collectes de matériel ou produits en fonction de leur taille")

Text(0.5, 1.0, "Degré d'avancement des entreprises répondantes sur les collectes de matériel ou produits en fonction de leur taille")


collect_taille_ent


mentorat_taille_ent = df_2022[['categ_taille_entreprises', 'question_36_mentorat']]
mentorat_taille_ent.head()


# Tableau croisé 36.3/2
mentorat_taille_ent = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.question_36_mentorat)
mentorat_taille_ent = mentorat_taille_ent.reindex(["TPE", "PME", "ETI", "Grand groupe"])
mentorat_taille_ent = mentorat_taille_ent.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)
mentorat_taille_ent

# En pourcentage
mentorat_taille_ent_perc = mentorat_taille_ent.div(mentorat_taille_ent.sum(axis=1), axis=0)*100
mentorat_taille_ent_perc = mentorat_taille_ent_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
display(mentorat_taille_ent_perc)

# plot bar chart
mentorat_taille_ent_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Degré d'avancement des entreprises répondantes sur le mentorat en fonction de leur taille")

Text(0.5, 1.0, "Degré d'avancement des entreprises répondantes sur le mentorat en fonction de leur taille")


mentorat_taille_ent


missions_taille_ent = df_2022[['categ_taille_entreprises', 'question_36_missions']]
missions_taille_ent.head()

# Tableau croisé 36.4/2
missions_taille_ent = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.question_36_missions)
missions_taille_ent = missions_taille_ent.reindex(["TPE", "PME", "ETI", "Grand groupe"])
missions_taille_ent = missions_taille_ent.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)

# En pourcentage
missions_taille_ent_perc = missions_taille_ent.div(missions_taille_ent.sum(axis=1), axis=0)*100
missions_taille_ent_perc = missions_taille_ent_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
display(missions_taille_ent_perc)

# plot bar chart
missions_taille_ent_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Degré d'avancement des entreprises répondantes sur les missions coup de pouce en association en fonction de leur taille")

Text(0.5, 1.0, "Degré d'avancement des entreprises répondantes sur les missions coup de pouce en association en fonction de leur taille")


missions_taille_ent


dons_taille_ent = df_2022[['categ_taille_entreprises', 'question_36_dons']]
dons_taille_ent.head()

# Tableau croisé 36.5/2
dons_taille_ent = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.question_36_dons)
dons_taille_ent = dons_taille_ent.reindex(["TPE", "PME", "ETI", "Grand groupe"])
dons_taille_ent = dons_taille_ent.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)

# En pourcentage
dons_taille_ent_perc = dons_taille_ent.div(dons_taille_ent.sum(axis=1), axis=0)*100
dons_taille_ent_perc = dons_taille_ent_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
display(dons_taille_ent_perc)

# plot bar chart
dons_taille_ent_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Degré d'avancement des entreprises répondantes sur les dons financiers et arrondi sur salaire en fonction de leur taille")

Text(0.5, 1.0, "Degré d'avancement des entreprises répondantes sur les dons financiers et arrondi sur salaire en fonction de leur taille")


dons_taille_ent


projet_taille_ent = df_2022[['categ_taille_entreprises', 'question_36_projet']]
projet_taille_ent.head()

# Tableau croisé 36.6/2
projet_taille_ent = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.question_36_projet)
projet_taille_ent = projet_taille_ent.reindex(["TPE", "PME", "ETI", "Grand groupe"])
projet_taille_ent = projet_taille_ent.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)

# En pourcentage
projet_taille_ent_perc = projet_taille_ent.div(projet_taille_ent.sum(axis=1), axis=0)*100
projet_taille_ent_perc = projet_taille_ent_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
display(projet_taille_ent_perc)

# plot bar chart
projet_taille_ent_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Degré d'avancement des entreprises répondantes sur les appels à projets en fonction de leur taille")

Text(0.5, 1.0, "Degré d'avancement des entreprises répondantes sur les appels à projets en fonction de leur taille")


projet_taille_ent


event_taille_ent = df_2022[['categ_taille_entreprises', 'question_36_events']]
event_taille_ent.head()

# Tableau croisé 36.7/2
event_taille_ent = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.question_36_events)
event_taille_ent = event_taille_ent.reindex(["TPE", "PME", "ETI", "Grand groupe"])
event_taille_ent = event_taille_ent.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)

# En pourcentage
event_taille_ent_perc = event_taille_ent.div(event_taille_ent.sum(axis=1), axis=0)*100
event_taille_ent_perc = event_taille_ent_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
display(event_taille_ent_perc)

# plot bar chart
event_taille_ent_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Degré d'avancement des entreprises répondantes sur les événements caritatifs en fonction de leur taille")

Text(0.5, 1.0, "Degré d'avancement des entreprises répondantes sur les événements caritatifs en fonction de leur taille")


event_taille_ent


teamb_taille_ent = df_2022[['categ_taille_entreprises', 'question_36_teamB']]
teamb_taille_ent.head()

# Tableau croisé 36.8/2
teamb_taille_ent = pd.crosstab(df_2022.categ_taille_entreprises, df_2022.question_36_teamB)
teamb_taille_ent = teamb_taille_ent.reindex(["TPE", "PME", "ETI", "Grand groupe"])
teamb_taille_ent = teamb_taille_ent.reindex(["Nous le faisons déjà", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)

# En pourcentage
teamb_taille_ent_perc = teamb_taille_ent.div(teamb_taille_ent.sum(axis=1), axis=0)*100
teamb_taille_ent_perc = teamb_taille_ent_perc.reindex(["TPE", "PME", "ETI", "Grand groupe"])
display(teamb_taille_ent_perc)

# plot bar chart
teamb_taille_ent_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Degré d'avancement des entreprises répondantes sur les team-buidling solidaires en fonction de leur taille")

Text(0.5, 1.0, "Degré d'avancement des entreprises répondantes sur les team-buidling solidaires en fonction de leur taille")


teamb_taille_ent


crossed_37_2 = df_2022[["categ_taille_entreprises", 'question_37_aide', 'question_37_art', 'question_37_education', 'question_37_egalite', 'question_37_emploi', 'question_37_entreprenariat', 'question_37_environnement', 'question_37_handicap', 'question_37_lien', 'question_37_lutte', 'question_37_pauvrete', 'question_37_protection', 'question_37_sante', 'question_37_solidarite']]
crossed_37_2.head()


# Pour les TPE
crossed_37_2_tpe = crossed_37_2.loc[crossed_37_2['categ_taille_entreprises'] == 'TPE']
crossed_37_2_tpe = crossed_37_2_tpe[['question_37_aide', 'question_37_art', 'question_37_education', 'question_37_egalite', 'question_37_emploi', 'question_37_entreprenariat', 'question_37_environnement', 'question_37_handicap', 'question_37_lien', 'question_37_lutte', 'question_37_pauvrete', 'question_37_protection', 'question_37_sante', 'question_37_solidarite']]

# Pivot de la table
crossed_37_2_tpe = crossed_37_2_tpe.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_37_2_tpe = crossed_37_2_tpe.reset_index()
crossed_37_2_tpe.rename(columns={'index':'Actions'}, inplace=True)
crossed_37_2_tpe = crossed_37_2_tpe.pivot_table(columns='Actions')
crossed_37_2_tpe = crossed_37_2_tpe.reindex(["C’est un axe clé", "Nous menons quelques actions", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)
display(crossed_37_2_tpe)

# En pourcentage
crossed_37_2_tpe_perc = crossed_37_2_tpe.div(crossed_37_2_tpe.sum(axis=1), axis=0)*100
crossed_37_2_tpe_perc = crossed_37_2_tpe_perc.sort_values(by="C’est un axe clé")
display(crossed_37_2_tpe_perc)

# plot bar chart
crossed_37_2_tpe_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Thématiques d'engagement les plus plébiscitées dans les TPE")
plt.show()


display(crossed_37_2_tpe_perc)


# Pour les PME
crossed_37_2_pme = crossed_37_2.loc[crossed_37_2['categ_taille_entreprises'] == 'PME']
crossed_37_2_pme = crossed_37_2_pme[['question_37_aide', 'question_37_art', 'question_37_education', 'question_37_egalite', 'question_37_emploi', 'question_37_entreprenariat', 'question_37_environnement', 'question_37_handicap', 'question_37_lien', 'question_37_lutte', 'question_37_pauvrete', 'question_37_protection', 'question_37_sante', 'question_37_solidarite']]

# Pivot de la table
crossed_37_2_pme = crossed_37_2_pme.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_37_2_pme = crossed_37_2_pme.reset_index()
crossed_37_2_pme.rename(columns={'index':'Actions'}, inplace=True)
crossed_37_2_pme = crossed_37_2_pme.pivot_table(columns='Actions')
crossed_37_2_pme = crossed_37_2_pme.reindex(["C’est un axe clé", "Nous menons quelques actions", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)
display(crossed_37_2_pme)

# En pourcentage
crossed_37_2_pme_perc = crossed_37_2_pme.div(crossed_37_2_pme.sum(axis=1), axis=0)*100
crossed_37_2_pme_perc = crossed_37_2_pme_perc.sort_values(by="C’est un axe clé")
display(crossed_37_2_pme_perc)

# plot bar chart
crossed_37_2_pme_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Thématiques d'engagement les plus plébiscitées dans les PME")
plt.show()


display(crossed_37_2_pme_perc)


# Pour les ETI
crossed_37_2_eti = crossed_37_2.loc[crossed_37_2['categ_taille_entreprises'] == 'ETI']
crossed_37_2_eti = crossed_37_2_eti[['question_37_aide', 'question_37_art', 'question_37_education', 'question_37_egalite', 'question_37_emploi', 'question_37_entreprenariat', 'question_37_environnement', 'question_37_handicap', 'question_37_lien', 'question_37_lutte', 'question_37_pauvrete', 'question_37_protection', 'question_37_sante', 'question_37_solidarite']]

# Pivot de la table
crossed_37_2_eti = crossed_37_2_eti.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_37_2_eti = crossed_37_2_eti.reset_index()
crossed_37_2_eti.rename(columns={'index':'Actions'}, inplace=True)
crossed_37_2_eti = crossed_37_2_eti.pivot_table(columns='Actions')
crossed_37_2_eti = crossed_37_2_eti.reindex(["C’est un axe clé", "Nous menons quelques actions", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)
display(crossed_37_2_eti)

# En pourcentage
crossed_37_2_eti_perc = crossed_37_2_eti.div(crossed_37_2_eti.sum(axis=1), axis=0)*100
crossed_37_2_eti_perc = crossed_37_2_eti_perc.sort_values(by="C’est un axe clé")
display(crossed_37_2_eti_perc)

# plot bar chart
crossed_37_2_eti_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Thématiques d'engagement les plus plébiscitées dans les ETI")
plt.show()


display(crossed_37_2_eti_perc)


# Pour les GG
crossed_37_2_gg = crossed_37_2.loc[crossed_37_2['categ_taille_entreprises'] == 'Grand groupe']
crossed_37_2_gg = crossed_37_2_gg[['question_37_aide', 'question_37_art', 'question_37_education', 'question_37_egalite', 'question_37_emploi', 'question_37_entreprenariat', 'question_37_environnement', 'question_37_handicap', 'question_37_lien', 'question_37_lutte', 'question_37_pauvrete', 'question_37_protection', 'question_37_sante', 'question_37_solidarite']]

# Pivot de la table
crossed_37_2_gg = crossed_37_2_gg.apply(pd.Series.value_counts).fillna(0).astype(int)
crossed_37_2_gg = crossed_37_2_gg.reset_index()
crossed_37_2_gg.rename(columns={'index':'Actions'}, inplace=True)
crossed_37_2_gg = crossed_37_2_gg.pivot_table(columns='Actions')
crossed_37_2_gg = crossed_37_2_gg.reindex(["C’est un axe clé", "Nous menons quelques actions", "Nous réfléchissons à nous engager", "Ce n'est pas prévu"], axis=1)
display(crossed_37_2_gg)

# En pourcentage
crossed_37_2_gg_perc = crossed_37_2_gg.div(crossed_37_2_gg.sum(axis=1), axis=0)*100
crossed_37_2_gg_perc = crossed_37_2_gg_perc.sort_values(by="C’est un axe clé")
display(crossed_37_2_gg_perc)

# plot bar chart
crossed_37_2_gg_perc.plot(kind='bar', stacked=True)
plt.legend(bbox_to_anchor=(1.4, 1))
plt.title("Thématiques d'engagement les plus plébiscitées dans les Grands groupes")
plt.show()


display(crossed_37_2_gg_perc)

	column_name	missing_count	filling_factor
0	Votre entreprise s'est-elle fixée des *objecti...	1134	27.261065
1	Quels sujets abordez-vous avec vos équipes aut...	943	39.512508
2	Quelle est votre plus grande fierté en matiè...	877	43.745991
3	question_14_impact	845	45.798589
4	A quel département est intégrée l'équipe RSE ?	796	48.941629
...	...	...	...
91	question_12_BCorp	492	68.441309
92	question_12_entreprise_mission	492	68.441309
93	question_13_invest	492	68.441309
94	question_10_candidats	492	68.441309
95	email	0	100.000000

	column_name	missing_count	filling_factor
0	Votre entreprise s'est-elle fixée des *objecti...	435	45.075758
1	Quels sujets abordez-vous avec vos équipes aut...	273	65.530303
2	question_14_impact	270	65.909091
3	A quel département est intégrée l'équipe RSE ?	234	70.454545
4	Quelle est votre plus grande fierté en matiè...	225	71.590909
...	...	...	...
90	Avez-vous déjà mis en place des actions pour l...	0	100.000000
91	Avez-vous déjà mis en place des actions autour...	0	100.000000
92	Avez-vous déjà mis en place des actions pour l...	0	100.000000
93	Avez-vous déjà mis en place des actions autour...	0	100.000000
94	Avez-vous déjà mené des actions de *sensibilis...	0	100.000000

Réponse	Moteur	Favorable	Indifférent	Réfractaire
question_8_COMEX	46.551724	41.954023	10.201149	1.293103
question_8_RH	45.629630	43.111111	10.222222	1.037037
question_8_achats	28.885135	46.959459	21.283784	2.871622
question_8_com_market	50.842697	39.606742	9.269663	0.280899
question_8_commercial	20.338983	50.539291	26.502311	2.619414
question_8_finance_admin	18.676471	48.235294	30.441176	2.647059
question_8_middle_management	20.833333	56.398810	22.023810	0.744048
question_8_prod	15.845070	48.591549	32.570423	2.992958
question_8_salaries	28.874172	56.821192	14.039735	0.264901

Réponse	Ils connaissent nos actions	Ils participent à nos actions RSE	Ils ne connaissent pas nos actions
question_10_actionnaires	51.819757	32.755633	15.424610
question_10_candidats	61.581137	8.737864	29.680999
question_10_citoyens	28.166667	5.833333	66.000000
question_10_conso_clients	54.521277	19.547872	25.930851
question_10_etat_co_publiques	38.689548	13.104524	48.205928
question_10_ss_traitants	37.229437	20.779221	41.991342

Réponse	Nous le sommes déjà	Nous sommes engagés dans le processus	Nous y réfléchissons	Je ne connais pas	Pas du tout
question_12_1%	4.885057	3.017241	29.885057	29.022989	33.189655
question_12_BCorp	5.907781	13.832853	31.123919	24.351585	24.783862
question_12_Lucie	3.216374	2.923977	25.730994	34.941520	33.187135
question_12_entreprise_mission	13.409415	9.272468	37.232525	14.122682	25.962910
question_12_esus	2.314815	1.697531	11.111111	58.487654	26.388889

	role_v2
RSE / CSR	343
Direction Générale / COMEX	167
Autres	101
Communication / Marketing	71
Ressources humaines / Talent Acquisition	66
QHSE	18
Fondation	12
Consultant	7
CSE	7

	secteur_v2
Conseil / Etudes	134
Tech / Digital / Informatique	110
Autres	84
Commerce / Négoce / Distribution	61
Banque / Assurance / Finance / Mutuelle	53
BTP / Construction / Immobilier	45
Edition / Communication / Multimédia	41
Agro-alimentaire	40
Tourisme / Hôtellerie / Restauration	30
Santé / Action sociale	28
Enseignement / Formation	22
Transports / Logistiques	21
ESS / Développement durable	20
Ressources humaines / QVT / RSE	18
Mode / Textile	15
Energie / Eau / Assainissement	15
Industrie pharmaceutique	13
Culture / Sports / Loisirs	13
Administration publique	10
Machines et équipements / Automobile	10
Chimie	9

	Taille équipe	equipe_RSE
1	Il n'y a pas d'équipe dédiée	233
0	1-2	363
2	3-5	114
3	6-10	45
4	>10	25

	dep_RSE
A la Direction Générale	173
La fonction RSE est autonome	143
Au pôle RH	70
Au pôle communication	48
Autres	39
QSE / HSE / QHSE / Qualité	21
Transverses	16
Innovation / R&D	10
Opérations	8
Finance / Admin / CFO / Juridique	8
Secrétariat Général	4

	dep_RSE
A la Direction Générale	32.037037
La fonction RSE est autonome	26.481481
Au pôle RH	12.962963
Au pôle communication	8.888889
Autres	7.222222
QSE / HSE / QHSE / Qualité	3.888889
Transverses	2.962963
Innovation / R&D	1.851852
Opérations	1.481481
Finance / Admin / CFO / Juridique	1.481481
Secrétariat Général	0.740741

	index	Quel est le budget annuel mis à disposition de votre département RSE ?
0	Aucun budget	184
1	De 1 à 5 000€	140
2	De 5 000 à 20 000€	109
3	De 20 000 à 50 000€	61
4	Plus de 100 000€	56
6	De 50 000 à 100 000€	28

	question_8_COMEX	question_8_salaries	question_8_middle_management	question_8_achats	question_8_RH	question_8_com_market	question_8_commercial	question_8_prod	question_8_finance_admin
102	Non pertinent	Favorable	Indifférent	Réfractaire	Favorable	Favorable	Favorable	Non pertinent	Indifférent
93	Favorable	Favorable	Favorable	Non pertinent	Non pertinent	Moteur	Moteur	Favorable	Non pertinent
88	Favorable	Favorable	Indifférent	Indifférent	Moteur	Favorable	Favorable	Indifférent	Indifférent
78	Non pertinent	Non pertinent	Non pertinent	Non pertinent	Non pertinent	Non pertinent	Non pertinent	Non pertinent	Non pertinent
84	Favorable	Non pertinent	Non pertinent	Non pertinent	Non pertinent	Non pertinent	Non pertinent	Non pertinent	Non pertinent

	index	Aujourd'hui, selon vous, quelle proportion de salariés est impliquée dans votre démarche RSE ?
0	Une petite partie - Entre 5 et 25% des salariés	271
1	Très peu de salariés - Moins de 5%	164
2	Presque tous les salariés - Plus de 75%	120
3	Près de la moitié - Entre 25 et 50%	100
4	Plus de la moitié - Entre 50 et 75%	77

	question_12_entreprise_mission	question_12_BCorp	question_12_Lucie	question_12_1%	question_12_esus
102	0.0	0.0	0.0	0.0	0.0
93	0.0	0.0	0.0	0.0	0.0
88	0.0	0.0	0.0	0.0	0.0
78	0.0	0.0	0.0	0.0	0.0
84	0.0	0.0	0.0	1.0	0.0

equipe_RSE	1-2	3-5	6-10	>10	Il n'y a pas d'équipe dédiée
categ_taille_entreprises
TPE	43	4	0	0	74
PME	187	35	15	6	129
ETI	124	57	18	8	29
Grand groupe	9	18	12	11	1

	0
0
0.0	626
1.0	133
2.0	27
3.0	5
4.0	1

	nb_label	count
0	0	626
1	1	133
2	2	27
3	3	5
4	4	1

equipe_RSE	1-2	3-5	6-10	>10	Il n'y a pas d'équipe dédiée
categ_taille_entreprises
TPE	35.537190	3.305785	0.000000	0.000000	61.157025
PME	50.268817	9.408602	4.032258	1.612903	34.677419
ETI	52.542373	24.152542	7.627119	3.389831	12.288136
Grand groupe	17.647059	35.294118	23.529412	21.568627	1.960784

dep_RSE	A la Direction Générale	Au pôle RH	Au pôle communication	Autres	Finance / Admin / CFO / Juridique	Innovation / R&D	La fonction RSE est autonome	Opérations	QSE / HSE / QHSE / Qualité	Secrétariat Général	Transverses
categ_taille_entreprises
TPE	23.140496	0.826446	2.479339	0.000000	0.000000	0.826446	9.917355	0.000000	0.000000	0.000000	0.826446
PME	17.021277	7.712766	5.319149	5.585106	0.797872	0.531915	21.808511	0.797872	2.127660	0.000000	1.861702
ETI	25.833333	14.166667	7.916667	6.250000	1.666667	2.083333	16.666667	2.083333	5.416667	0.416667	2.500000
Grand groupe	35.185185	11.111111	11.111111	5.555556	1.851852	3.703704	16.666667	0.000000	0.000000	5.555556	3.703704

	question_12_entreprise_mission	question_12_BCorp	question_12_Lucie	question_12_1%	question_12_esus
102	0.0	0.0	0.0	0.0	0.0
93	0.0	0.0	0.0	0.0	0.0
88	0.0	0.0	0.0	0.0	0.0
78	0.0	0.0	0.0	0.0	0.0
84	0.0	0.0	0.0	1.0	0.0

La RSE est-elle directement représentée au sein du COMEX ?	Oui	Non
categ_taille_entreprises
TPE	74.683544	25.316456
PME	57.716049	42.283951
ETI	64.485981	35.514019
Grand groupe	74.000000	26.000000

Quel est le budget annuel mis à disposition de votre département RSE ?	Aucun budget	De 1 à 5 000€	De 5 000 à 20 000€	De 20 000 à 50 000€	De 50 000 à 100 000€	Plus de 100 000€
categ_taille_entreprises
TPE	45.192308	43.269231	7.692308	1.923077	0.000000	1.923077
PME	33.333333	27.368421	25.263158	8.771930	1.754386	3.508772
ETI	23.602484	10.559006	17.391304	19.254658	11.801242	17.391304
Grand groupe	14.285714	0.000000	3.571429	10.714286	14.285714	57.142857

Quel est le budget annuel mis à disposition de votre département RSE ?	Aucun budget	De 1 à 5 000€	De 5 000 à 20 000€	De 20 000 à 50 000€	De 50 000 à 100 000€	Plus de 100 000€
equipe_RSE
1-2	26.235741	23.193916	24.714829	14.068441	6.463878	5.323194
3-5	16.455696	16.455696	15.189873	17.721519	10.126582	24.050633
6-10	14.285714	25.000000	21.428571	0.000000	0.000000	39.285714
>10	0.000000	0.000000	33.333333	20.000000	0.000000	46.666667
Il n'y a pas d'équipe dédiée	51.041667	30.208333	10.937500	3.645833	1.562500	2.604167

Réponse	Moteur	Favorable	Indifférent	Réfractaire
question_8_COMEX	79.746835	16.455696	3.797468	0.000000
question_8_RH	58.064516	37.096774	4.838710	0.000000
question_8_achats	48.148148	37.037037	12.962963	1.851852
question_8_com_market	66.666667	26.923077	6.410256	0.000000
question_8_commercial	61.111111	27.777778	8.333333	2.777778
question_8_finance_admin	44.927536	40.579710	13.043478	1.449275
question_8_middle_management	56.000000	32.000000	12.000000	0.000000
question_8_prod	43.103448	41.379310	13.793103	1.724138
question_8_salaries	53.763441	38.709677	7.526882	0.000000

Réponse	Moteur	Favorable	Indifférent	Réfractaire
question_8_COMEX	43.712575	43.712575	10.179641	2.395210
question_8_RH	46.273292	42.236025	9.937888	1.552795
question_8_achats	23.220974	50.936330	22.846442	2.996255
question_8_com_market	53.468208	37.283237	9.248555	0.000000
question_8_commercial	17.142857	54.920635	25.714286	2.222222
question_8_finance_admin	18.787879	47.878788	30.000000	3.333333
question_8_middle_management	22.713864	59.587021	17.404130	0.294985
question_8_prod	13.857678	53.932584	29.588015	2.621723
question_8_salaries	24.193548	59.408602	16.129032	0.268817

Réponse	Moteur	Favorable	Indifférent	Réfractaire
question_8_COMEX	40.000000	46.086957	13.478261	0.434783
question_8_RH	41.772152	44.303797	13.080169	0.843882
question_8_achats	29.223744	44.292237	22.831050	3.652968
question_8_com_market	42.735043	47.435897	9.401709	0.427350
question_8_commercial	12.616822	50.934579	33.177570	3.271028
question_8_finance_admin	9.956710	50.649351	37.229437	2.164502
question_8_middle_management	10.775862	58.189655	29.310345	1.724138
question_8_prod	10.447761	43.781095	41.293532	4.477612
question_8_salaries	25.630252	60.084034	13.865546	0.420168

Réponse	Moteur	Favorable	Indifférent	Réfractaire
question_8_COMEX	43.396226	50.943396	5.660377	0.000000
question_8_RH	44.444444	50.000000	5.555556	0.000000
question_8_achats	36.538462	48.076923	15.384615	0.000000
question_8_com_market	46.296296	38.888889	12.962963	1.851852
question_8_commercial	14.583333	54.166667	29.166667	2.083333
question_8_finance_admin	22.000000	50.000000	26.000000	2.000000
question_8_middle_management	19.607843	50.980392	29.411765	0.000000
question_8_prod	16.666667	47.619048	35.714286	0.000000
question_8_salaries	32.692308	55.769231	11.538462	0.000000

Aujourd'hui, selon vous, quelle proportion de salariés est impliquée dans votre démarche RSE ?	Très peu de salariés - Moins de 5%	Une petite partie - Entre 5 et 25% des salariés	Près de la moitié - Entre 25 et 50%	Plus de la moitié - Entre 50 et 75%	Presque tous les salariés - Plus de 75%
categ_taille_entreprises
TPE	12.903226	7.526882	12.903226	10.752688	55.913978
PME	20.949721	36.592179	14.804469	12.290503	15.363128
ETI	29.004329	46.320346	12.554113	7.359307	4.761905
Grand groupe	20.000000	52.000000	12.000000	12.000000	4.000000

Réponse	Ils connaissent nos actions	Ils participent à nos actions RSE	Ils ne connaissent pas nos actions
question_10_actionnaires	33.898305	55.932203	10.169492
question_10_candidats	57.777778	24.444444	17.777778
question_10_citoyens	39.024390	15.853659	45.121951
question_10_conso_clients	48.275862	36.206897	15.517241
question_10_etat_co_publiques	32.941176	25.882353	41.176471
question_10_ss_traitants	42.553191	34.042553	23.404255

Baromètre RSE¶

I) Phase préparatoire¶

A) Importation des données et création des dataframes¶

II) Nettoyage du dataframe de 2022¶

III) Explo des données 2022 - Analyses simples¶

Question 1 : Rôle des répondant.e.s / OK¶

Question 2 : Taille des entreprises répondantes / OK¶

Question 3 : Secteurs d'activités des entreprises répondantes / OK¶

Question 4 : Taille de l'équipe RSE / OK¶

Question 5 : Département de l'équipe RSE / OK¶

Question 6 : RSE et COMEX / OK¶

Question 7 : Budget annuel des départements RSE / OK¶

Question 8 : Implication des parties prenantes internes dans la RSE / OK¶

Question 10 : Implication des parties prenantes externes dans la RSE / OK¶

Question 9 : Propotion de salarié·es impliqué·es dans la démarche RSE de l'entreprise / OK¶

Question 11 : Part d'entreprises dans lesquelles l'activité commerciale principale de votre entreprise répond à un enjeu social ou environnemental / OK¶

Question 12 : Labels et certifications des entreprises répondantes / OK¶

Question 12bis : Cb de labels par entreprises¶

IV) Explo des données 2022 - Analyses croisées¶

Questions 4&2 : Taille de l'équipe RSE en fonction de la taille de l'entreprise / OK¶

Questions 5&2 : Département auquel la RSE est rattachée en fonction de la taille de l'entreprise / OK¶

Questions 6&2 : RSE rattachée ou non au COMEX en fonction de la taille de l'entreprise / OK¶

Questions 7&2 : Budget annuel en fonction de la taille de l'entreprise / OK¶

Questions 7&4 : Budget annuel en fonction de la taille de l'équipe RSE / OK¶

Questions 8&2 : Position des parties prenantes internes vis à vis de la RSE en fonction de la taille de l'entreprise / OK¶

Questions 9&2 : Proportion de salarié·e·s impliqué·e·s en fonction de la taille de l'entreprise / OK¶

Questions 10&2 : Position des parties prenantes externes vis à vis de la RSE en fonction de la taille de l'entreprise / OK¶

Questions 11&2 : Proportion d'entreprises répondantes dont l'activité commerciale principale comprend un enjeu social ou environnementale en fonction de leur taille / OK¶

Questions 11&7 : Proportion d'entreprises répondantes dont l'activité commerciale principale comprend un enjeu social ou environnementale en fonction de leur budget RSE / OK¶

Questions 12&2 : Labels RSE des entreprises répondantes en fontion de leur taille / OK¶

Questions 12&2bis : Nb de labels par entreprises en fct de la taille de l'entreprise¶

Questions 12&7bis : Nb de labels par entreprises en fct du budget¶

Questions 12&7 : Labels RSE des entreprises répondantes en fontion de leur budget RSE / OK¶

Questions 12&4 : Labels RSE des entreprises répondantes en fontion de la taille de leur équipe RSE¶

Questions 13&2 : Motivations des politiques RSE en fonction de la taille de l'entreprise / OK¶

Questions 14&2 : Freins des politiques RSE en fonction de la taille de l'entreprise¶

Questions additionnelles : Aspect Social¶

Question 36 : Principales actions d'engagement des collaborateur·ices mises en place par les entreprises¶

Question 37 : Principales causes soutenues par les entreprises à travers leurs engagements solidaires¶

Questions 34&2 : Part d'entreprises ayant déjà mis en place des actions d'engagement solidaire / de philanthropie en fonction de leur taille¶

Questions 35&2 : Part d'entreprises accordant un crédit de jours d'engagement solidaire à leurs équipes en fonction de leur taille¶

Questions 36&2 : Type d'actions sociétales les plus (ou moins) réalisées par les entreprises en fonction de leur taille¶

Questions 36.1&2 : Degré d'avancement des entreprises répondantes sur le mécénat de compétences en fonction de leur taille¶

Questions 36.2&2 : Degré d'avancement des entreprises répondantes sur les collectes de matériel ou produits en fonction de leur taille¶

Questions 36.3&2 : Degré d'avancement des entreprises répondantes sur le mentorat en fonction de leur taille¶

Questions 36.4&2 : Degré d'avancement des entreprises répondantes sur les missions coup de pouce en association en fonction de leur taille¶

Questions 36.5&2 : Degré d'avancement des entreprises répondantes sur les dons financiers et arrondi sur salaire en fonction de leur taille¶

Questions 36.6&2 : Degré d'avancement des entreprises répondantes sur les appels à projets en fonction de leur taille¶

Questions 36.7&2 : Degré d'avancement des entreprises répondantes sur les événements caritatifs en fonction de leur taille¶

Questions 36.8&2 : Degré d'avancement des entreprises répondantes sur les team-buidling solidaires en fonction de leur taille¶

Questions 37&2 : Thématiques d'engagement les plus plébiscitées par tailles d'entreprises¶

	question_12_entreprise_mission	question_12_BCorp	question_12_Lucie	question_12_1%	question_12_esus
102	0.0	0.0	0.0	0.0	0.0
93	0.0	0.0	0.0	0.0	0.0
88	0.0	0.0	0.0	0.0	0.0
78	0.0	0.0	0.0	0.0	0.0
84	0.0	0.0	0.0	1.0	0.0

Réponse	Ils connaissent nos actions	Ils participent à nos actions RSE	Ils ne connaissent pas nos actions
question_10_actionnaires	49.637681	28.985507	21.376812
question_10_candidats	59.312321	7.736390	32.951289
question_10_citoyens	24.535316	2.602230	72.862454
question_10_conso_clients	54.647887	15.492958	29.859155
question_10_etat_co_publiques	34.137931	10.689655	55.172414
question_10_ss_traitants	35.294118	14.241486	50.464396

Réponse	Ils connaissent nos actions	Ils participent à nos actions RSE	Ils ne connaissent pas nos actions
question_10_actionnaires	56.185567	31.443299	12.371134
question_10_candidats	63.203463	4.329004	32.467532
question_10_citoyens	25.365854	6.341463	68.292683
question_10_conso_clients	57.641921	13.973799	28.384279
question_10_etat_co_publiques	42.790698	8.372093	48.837209
question_10_ss_traitants	38.116592	18.834081	43.049327

Réponse	Ils connaissent nos actions	Ils participent à nos actions RSE	Ils ne connaissent pas nos actions
question_10_actionnaires	68.750000	31.250000	0.000000
question_10_candidats	76.470588	7.843137	15.686275
question_10_citoyens	43.181818	4.545455	52.272727
question_10_conso_clients	53.846154	34.615385	11.538462
question_10_etat_co_publiques	56.862745	25.490196	17.647059
question_10_ss_traitants	35.849057	45.283019	18.867925

Est-ce que l'activité commerciale principale de votre entreprise répond à un enjeu social ou environnemental ?	Oui	Non
categ_taille_entreprises
TPE	78.378378	21.621622
PME	53.216374	46.783626
ETI	57.709251	42.290749
Grand groupe	65.384615	34.615385

Est-ce que l'activité commerciale principale de votre entreprise répond à un enjeu social ou environnemental ?	Oui	Non
Quel est le budget annuel mis à disposition de votre département RSE ?
Aucun budget	62.209302	37.790698
De 1 à 5 000€	56.923077	43.076923
De 5 000 à 20 000€	55.769231	44.230769
De 20 000 à 50 000€	60.655738	39.344262
De 50 000 à 100 000€	69.230769	30.769231
Plus de 100 000€	61.111111	38.888889

	question_12_entreprise_mission	question_12_BCorp	question_12_Lucie	question_12_1%	question_12_esus
categ_taille_entreprises
TPE	20.0	7.0	1.0	11.0	2.0
PME	39.0	26.0	13.0	12.0	7.0
ETI	29.0	8.0	7.0	8.0	4.0
Grand groupe	6.0	0.0	1.0	3.0	2.0

	question_12_entreprise_mission	question_12_BCorp	question_12_Lucie	question_12_1%	question_12_esus
categ_taille_entreprises
TPE	48.780488	17.073171	2.439024	26.829268	4.878049
PME	40.206186	26.804124	13.402062	12.371134	7.216495
ETI	51.785714	14.285714	12.500000	14.285714	7.142857
Grand groupe	50.000000	0.000000	8.333333	25.000000	16.666667

	categ_taille_entreprises	question_12_1%
102	PME	0.0
93	PME	0.0
88	ETI	0.0
78	TPE	0.0
84	TPE	1.0

	index	categ_taille_entreprises	question_12_1%
0	102	PME	0.0
1	93	PME	0.0
2	88	ETI	0.0
3	78	TPE	0.0
4	84	TPE	1.0